Surveiller, déboguer et déployer

Suivez les expériences, inspectez les journaux d'activité, planifiez les charges de travail GPU de production, et déployez les modèles que vous entraînez sur AI Runtime.

Sujet	Description
Suivez les exécutions, les journaux et les métriques	Suivez les expériences, les métriques et les artefacts avec MLflow, et consultez les journaux et l’utilisation des ressources GPU.
Planifier les charges de travail GPU	Déploie du code d’entraînement avec des Déclarative Automation Bundles, planifie les exécutions et construit des workflows multitâches GPU et CPU.
Convertir une charge de travail en bundle	Convertir un YAML de charge d’exécution IA en Declarative Automation Bundles pour le gérer comme un travail persistant.
Configurer les tâches du lot	Empaquetez le code d’entraînement, sélectionnez le calcul GPU et les environnements, et transmettez la configuration aux tâches du bundle.
Déployer des modèles entraînés	Déployez des modèles entraînés sur AI Runtime vers un service de modèles pour l’inférence en temps réel et le débit provisionné.