Trace Id is missing
Gå til hovedindhold

Strukturer til maskinel indlæring med åben kildekode på Azure

Kompilér og udrul modeller hurtigere med et åbent økosystem.

Kompilér og udrul hurtigt modeller til maskinel indlæring på Azure ved hjælp af dine favoritstrukturer med åben kildekode. Med Azure får du et åbent og samarbejdende økosystem, du kan bruge sammen med strukturer efter dit eget valg uden at blive låst fast. Du kan accelerere hver enkelt fase i den maskinelle indlærings livscyklus og køre dine modeller overalt fra cloudmiljøet til kanten.

Kompilér modeller til maskinel indlæring i en struktur efter eget valg

Azure understøtter alle populære strukturer til maskinel indlæring. Uanset om du udvikler modeller i strukturer til dyb læring som PyTorch eller TensorFlow, drager fordel af Azures automatiserede funktionalitet til maskinel indlæring eller oplærer traditionelle modeller til maskinel indlæring i scikit-learn, vil du kunne understøtte dine arbejdsbelastning i Azure.

Et diagram, der viser strukturer til maskinel indlæring, som Azure Machine Learning Service understøtter.

Fornuftslutning på tværs af et hvilket som helst operativsystem og en hvilken som helst hardwareplatform

Optimer fornuftslutning på en lang række hardwareplatforme ved hjælp af ONNX Runtime med åben kildekode. ONNX Runtime fungerer sammen med populære strukturer, f.eks. PyTorch, TensorFlow, Keras, sciKit-Learn m.fl., for at levere op til 17 gange hurtigere fornuftslutning og op til 1,4 gange hurtigere oplæring. Brug ONNX Runtime til at drage fornuftslutninger om din modeller til maskinel indlæring på Linux, Windows, Mac og tilmed mobilenheder. ONNX Runtime integrerer de nyeste biblioteker med acceleratorsoftware og -hardware fra partnere såsom Intel og NVIDIA for at hjælpe dig med at maksimere ydeevnen, uanset om du kører i cloudmiljøet eller på kanten.

Et diagram, der fremhæver hardwareplatforme, som Azure Machine Learning Service understøtter.

Sæt skub i livscyklussen for maskinel indlæring fra slutpunkt-til-slutpunkt

Sæt skub på din produktivitet med automatiseret maskinel indlæring. Identificer hurtigt velegnede algoritmer, og finjuster hyperparametre. Og administrer nemt hele livscyklussen for maskinel indlæring med enkel udrulning fra cloudmiljøet til grænseenheden. Få adgang til alle disse egenskaber via et værktøjsagnostisk Python SDK.

Et diagram, der fremhæver livscyklussen for maskinel indlæring fra slutpunkt-til-slutpunkt.
Tilbage til faner

Gør maskinel indlæring enklere, og sæt skub i den ved hjælp af Azure