蓝盟IT小贴士,来喽!
Red Hat云平台高级技术营销经理Erik Jacobs指出,Kubernetes可能没有意识到可以利用图形处理单元(GPU )的功能来加速机器学习和人工智能(AI )的工作。 如果垂直行业的公司(从金融业到医疗业)试图利用机器学习工具发掘大规模数据集中的洞察力,随着时间的推移,这些工具在检查模型时变得越来越聪明,这一点很重要。
Haff表示,OpenShift的GPU支持与Open Data Hub等参考体系结构相结合,成为了一个方便的Kubernetes平台,用于开发和执行机器学习工作负载。
Open Data Hub是一个开源社区项目,为数据科学家(和进行数据分析的其他人)提供自助工具和参考点。 如该博客所述,Open Data Hub通过OpenShift上的Kubernetes容器实现了从数据提取到数据转换的模型训练,以及为AI和ML提供服务的端到端工作流。 关于如何使用开源工具(例如基于OpenShift )在基于OpenShift的基础上构建开放AI/ML服务解决方案的参考实现。 例如Tensorflow、JupyterHub、Spark等。 ”“好的。”
hca保健、埃克森美孚和宝马集团等企业使用这些工具在开放市场上实施了集装箱化ML工具链和DevOps流程。 他们的目标是加快数据科学家的工作流程。
这是kuberetes生态系统和商业kuberetes平台合作的强大模型。 有关示例,请参见Haff最近的文章。 有五个使Kubernetes更好的开源项目。
Red Hat北美公共部门的最高技术专家David Egts指出,Linux版本不仅需要执行有意义工作负载的流程调度器,还需要容器调度器。
Egts表示:“Kubernetes实际上是容器编制标准,但只是容器平台的一部分。 除了容器调度程序外,完整的容器平台还需要平台服务、应用程序服务、开发人员服务、群集服务和操作系统。”
文/上海蓝盟 IT外包专家