Leggi la pubblicazione Forrester Wave: Multimodal Predictive Analytics and Machine Learning, Q3 2020

Funzioni in evidenza

Rapida creazione di prototipi e distribuzione

Avvia progetti di data science da qualsiasi ubicazione, con un pool di risorse di calcolo condiviso. Riduci i tempi di addestramento e produci modelli di qualità superiore. Servizi di addestramento e inferenza di livello aziendale, di espansione, con supporto API per distribuzione in batch, in streaming e interattiva.

Architettura delle informazioni end-to-end

Distribuisci il deep learning come parte dei servizi di dati e AI con supporto per framework popolari. Aggrega strumenti open source e di terze parti in un ambiente regolamentato e unificato.

Gestione dell'infrastruttura con contenitori

Esegui modelli di machine learning e deep learning in modalità nativa in Red Hat® OpenShift®.Distribuisci modelli caricati in contenitori all'interno di un firewall, pur mantenendo i dati on premise e preservando la portabilità del cloud.

Supporto di modelli di grandi dimensioni e ad alta risoluzione

Aumenta la quantità di memoria disponibile per i modelli di deep learning oltre il footprint della GPU. Implementa modelli più complessi con immagini di dimensioni più grandi e ad alta risoluzione.

Distribuzione multitenant

Assegna e condividi potenze di calcolo ottimizzate per le esigenze del modello in un'architettura multitenant. Condividi in sicurezza le tue risorse di calcolo tra i tenant per massimizzare l'uso.

Ridimensionamento automatico, ricerca automatica e bilanciamento del carico

Abilita il ridimensionamento dinamico delle risorse, verso l'alto o il basso, in base alle politiche per garantire che i lavori con priorità più elevata vengano eseguiti più rapidamente. Crea la visualizzazione dell'addestramento in tempo reale e il monitoraggio dei modelli di runtime. Automatizza la ricerca e l'ottimizzazione degli iperparametri per uno sviluppo più veloce.

Gestione del ciclo di vita dell'AI

Prepara, crea, esegui e gestisci modelli di machine learning e deep learning. Ripeti il ciclo dell'addestramento con più dati per migliorare continuamente il modello.

Convalida e ottimizzazione della distribuzione

Aumenta l'affidabilità e la resilienza della distribuzione dei modelli con modelli di machine learning e deep learning precompilati e convalidati. Accelera le prestazioni con software ottimizzato per l'esecuzione su sistemi di destinazione.

AI spiegabile con monitoraggio del modello

Gestisci e monitora modelli di deep learning da piccole distribuzioni a quelle di livello aziendale. Monitora la congruità e l'esplicabilità del modello, mentre attenua la deriva e il rischio del modello.

Dettagli tecnici

Requisiti software

  • Red Hat Openshift 4.5
  • RHEL 7.7
  • Libreria CUDA Deep Neural Network (cuDNN) 7.6.5
  • NVIDIA CUDA 10.2
  • Driver GPU NVIDIA 440.33.01
  • NVIDIA NCCL2 2.5.6

Requisiti hardware

  • Server a 64 bit x86 con GPU NVIDIA Tesla T4, P100 o V100