Przeczytaj raport Forrester Wave: Wielomodalne analizy predykcyjne i rozwiązania w dziedzinie uczenia maszynowego, 3. kwartał 2020 roku.
Wyróżnione cechy i funkcje
Błyskawiczne budowanie prototypów i wdrażanie
Analizuj dane w dowolnym miejscu dzięki współużytkowanym pulom zasobów obliczeniowych. Skróć czas trenowania modeli, podnosząc jednocześnie ich jakość. Skalowalne wszerz usługi klasy korporacyjnej do trenowania modeli i wnioskowania z obsługą interfejsów API do wdrożeń wsadowych, strumieniowych i interaktywnych.
Kompleksowa architektura informacyjna
Wdrażaj mechanizmy uczenia głębokiego w ramach usług w dziedzinie danych i AI, zapewniając przy tym obsługę popularnych środowisk. Łącz narzędzia Open Source i rozwiązania innych firm w jednolitym, zarządzanym środowisku.
Zarządzanie infrastrukturą kontenerową
Uruchamiaj modele uczenia głębokiego i maszynowego bezpośrednio na platformie Red Hat® OpenShift®. Wdrażaj skonteneryzowane modele wewnątrz firewalla i przechowuj dane lokalnie, zapewniając przy tym przenośność między chmurami.
Obsługa większych, dokładniejszych modeli
Uzyskaj więcej pamięci dla uczenia głębokiego, sięgając poza zasoby procesora GPU. Wdrażaj bardziej złożone modele z większymi, dokładniejszymi obrazami.
Obsługa wielu podmiotów użytkujących
Przydzielaj i udostępniaj zasoby obliczeniowe dostosowane do potrzeb modeli w środowisku przeznaczonym dla wielu podmiotów użytkujących. Bezpiecznie udostępniaj zasoby obliczeniowe użytkownikom i maksymalizuj ich wykorzystanie.
Automatyczne skalowanie, automatyczne wyszukiwanie i równoważenie obciążeń
Ułatw dynamiczne skalowanie zasobów w oparciu o strategie i przyspiesz wykonywanie priorytetowych zadań. Twórz wizualizacje treningów w czasie rzeczywistym i monitoruj działanie modeli. Wdrażaj szybciej dzięki automatyzacji wyszukiwania i optymalizacji hiperparametrów.
Zarządzanie cyklem życia AI
Przygotowuj, buduj i uruchamiaj modele uczenia maszynowego oraz głębokiego i zarządzaj nimi. Trenuj w oparciu o większą ilość danych, by stale optymalizować modele.
Sprawdzanie poprawności i optymalizacja wdrożeń
Popraw bezpieczeństwo i odporność procesu wdrażania modeli dzięki wstępnie skompilowanym i zweryfikowanym modelom uczenia maszynowego i głębokiego. Zwiększ wydajność dzięki oprogramowaniu zoptymalizowanemu pod kątem działania w systemach docelowych.
Wytłumaczalna sztuczna inteligencja i monitorowanie modeli
Monitoruj modele uczenia głębokiego i zarządzaj nimi bez względu na rozmiar wdrożenia. Monitoruj bezstronność i transparentność modeli, niwelując trendy i ryzyko.
Szczegóły techniczne
Wymagania programowe
- Red Hat Openshift 4.5
- RHEL 7.7
- Biblioteka CUDA Deep Neural Network (cuDNN) 7.6.5
- NVIDIA CUDA 10.2
- Sterownik graficzny NVIDIA 440.33.01
- NVIDIA NCCL2 2.5.6
Wymagania sprzętowe
- 64-bitowy serwer x86 z procesorem graficznym NVIDIA Tesla T4, P100 lub V100