Überwachen, debuggen und bereitstellen

Verfolgen Sie Experimente, inspizieren Sie Logs, planen Sie Produktions-GPU-Workloads und stellen Sie die Modelle bereit, die Sie mit AI Runtime trainieren.

Thema	Description
Läufe, Logs und Metriken verfolgen	Verfolgen Sie Experimente, Metriken und Artefakte mit MLflow und sehen Sie sich Logs und GPU-Ressourcenverbrauch an.
GPU-Workloads planen	Bereitstellen Sie Trainingscode mit Declarative Automation Bundles ein, planen Sie Läufe und erstellen Sie Multitask-GPU- und CPU-Workflows.
Konvertiere einen Workload in ein Bundle	Wandeln Sie eine AI Runtime-Workload-YAML in deklarative Automatisierungspakete um, um sie als persistenten Job zu verwalten.
Bundle-Aufgaben konfigurieren	Paketieren Sie den Trainingscode, wählen Sie GPU-Compute und Umgebungen aus und übergeben Sie die Konfiguration an Bundle-Aufgaben.
Trainierte Modelle bereitstellen	Stellen Sie auf AI Runtime trainierte Modelle für Echtzeit- und Provisioned-Throughput-Inferenz in Model Serving bereit.