Trénování modelů strojového učení s využitím AKS

Trénování modelů s využitím rozsáhlých datových sad je složitý úkol s velkými nároky na prostředky. Ke zjednodušení trénování modelů strojového učení můžete využít známé nástroje, jako jsou TensorFlow a Kubeflow. Vaše modely ML poběží clusterech AKS zajištěných virtuálními počítači s podporou grafického procesoru.

Machine Learning model training with AKSMachine Learning model training with AKS123456

Zabalení modelu strojového učení do kontejneru a jeho publikování do ACR

Úložiště objektů blob v Azure hostuje sady trénovacích dat a natrénovaný model

Použijte Kubeflow k nasazení trénovací úlohy do AKS, distribuovaná trénovací úloha do AKS zahrne servery parametrů a pracovní uzly.

Obsluhujte produkční model pomocí Kubeflow a zvyšte úroveň konzistentního prostředí pro testování, řízení a produkční účely.

AKS podporuje virtuální počítač s podporou grafického procesoru.

Vývojář může vytvářet funkce dotazující model spuštěný v clusteru AKS.

  1. 1 Zabalení modelu strojového učení do kontejneru a jeho publikování do ACR
  2. 2 Úložiště objektů blob v Azure hostuje sady trénovacích dat a natrénovaný model
  3. 3 Použijte Kubeflow k nasazení trénovací úlohy do AKS, distribuovaná trénovací úloha do AKS zahrne servery parametrů a pracovní uzly.
  1. 4 Obsluhujte produkční model pomocí Kubeflow a zvyšte úroveň konzistentního prostředí pro testování, řízení a produkční účely.
  2. 5 AKS podporuje virtuální počítač s podporou grafického procesoru.
  3. 6 Vývojář může vytvářet funkce dotazující model spuštěný v clusteru AKS.