要创建有效的深度学习模型,需要提供大量的数据,对模型进行有效的训练。然后安装模型,对模型进行监视以防止出现漂移,并根据需要对其进行重新训练,以此反复。
模型的训练需要使用非常多的计算资源,如果您已经投资了大规模的计算资源,您可以在本地完成所有这些工作。但是,你会发现这些计算资源在许多时间处于非活动状态。如果在云平台中进行上述活动,则可能更具成本效益。
大多数云提供商投入大量精力来构建其机器学习平台,以支持整个机器学习生命周期。每个端到端机器学习平台应提供哪些功能呢?
训练数据模型
当你准备好了大量的训练数据之后,您当然不希望迁移这些数据。因为这个过程通常需要花费非常长时间,这意味着您在这段时间内什么事也不能做。对于大型数据集,理想的情况是创建一个已经存在数据的模型,从而避免大量数据迁移。
支持etl或elt
etl(导出,转换和加载)和elt(导出,加载和转换)是数据库领域中的两种常见数据配置技术。机器学习和深度学习非常需要这些工具,尤其是变换部分。
支持在线模型训练
建立良好的机器学习和深度学习模型需要大规模数据,将这些数据全部下载到本地进行模型训练,是非常费时过程。而且数据规模达到一定规模之后,您会发现很难找到本地资源来存储这些数据,所以支持在线模型训练成本云平台必须要具有的功能。
支持scale-up and scale-out训练
利用云平台,帮助生成多个大型虚拟机或容器环境,加速在本地笔记本进行的训练活动,这将大大较少我们的训练时间。
提供优化的ai服务
云平台为许多应用程序提供了健壮且经过优化的ai服务或解决方案,而不仅仅是图像检测。这些包括语言翻译,语音到文本,文本到语音,预测和推荐。这些服务已经在比企业通常可用的更多数据集中进行了培训和检查。这些也安装在具有足够计算资源的服务端点上,包括加速器,以确认在全球负载下的良好响应时间。
责编ajx
IP知识百科之AI防火墙
飞航管制结合AR技术迈向虚拟化
为什么要实现无人驾驶落地,告诉你三个理由!
Altera支持硅片融合实现的混合系统架构
为什么笔记本接口越做越少
每个端到端机器学习平台应提供哪些功能呢?
NVIDIA NGC新功能助于简化和加速端到端工作流
开关电源常用控制模式详解
机器视觉检测为什么能在制造行业中得到广泛的应用
语音助理将成消费者互动首选
空分设备云端监控—解决方案
埃维汽车北交所IPO获受理,新能源汽车设计业务高增长
东芝推出新品TR200固态硬盘,包装带有一丝"电竞"风
数码宝贝与和谐号FB08型机简介
普渡科技助力餐厅迎战黄金周 送餐机器人包揽七成传菜工作
日本横河WT1800数字功率计
3D传感关键技术的VCSEL已成激光产业成长的重要因素
一文浅析美国反无人机技术进化
三星推出Linux on DeX应用程序,正式发布高端手机新品W2019
A/D转换器概述及分类