简体中文版经机器翻译而成,仅供参考。如与英语版出现任何冲突,应以英语版为准。

结论

提供者 kevin-hoke mboglesby

各行各业各种规模的企业和组织都在转向人工智能( AI ),机器学习( ML )和深度学习( DL ),以解决实际问题,提供创新产品和服务,并在竞争日益激烈的市场中占据优势。随着企业越来越多地使用 AI , ML 和 DL ,他们面临着许多挑战,包括工作负载可扩展性和数据可用性。可以通过使用 NetApp AI 控制平台解决方案来应对这些挑战。

通过此解决方案,您可以快速克隆数据命名空间。此外,您还可以定义和实施 AI , ML 和 DL 培训工作流,这些工作流可近乎即时地创建数据和模型基线,以实现可追溯性和版本控制。使用此解决方案,您可以跟踪每个模型训练返回到模型经过训练和 / 或验证的确切数据集。最后,借助此解决方案,您可以快速配置 Jupyter 笔记本电脑工作空间,以访问海量数据集。

由于此解决方案面向数据科学家和数据工程师,因此只需极少的 NetApp 或 NetApp ONTAP 专业知识即可。借助此解决方案,可以使用简单熟悉的工具和界面来执行数据管理功能。此外,此解决方案还利用完全开源和免费的组件。因此,如果您的环境中已有 NetApp 存储,则可以立即实施此解决方案。如果您要测试此解决方案的驱动器,但尚未安装 NetApp 存储,请访问 "cloud.netapp.com",您可以随时使用基于云的 NetApp 存储解决方案启动和运行。