Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Śledź eksperymenty, kontroluj logi, planuj produkcyjne obciążenia GPU i wdrażaj modele trenowane w AI Runtime.
| Temat | Description |
|---|---|
| Śledź przebiegi, logi i metryki | Śledź eksperymenty, metryki i artefakty za pomocą MLflow oraz przeglądaj logi i zużycie zasobów GPU. |
| Planuj obciążenia GPU | Wdrażaj kod treningowy z pakietami Deklaratywnej Automatyzacji, planuj uruchomienia i buduj wielozadaniowe workflowy GPU i CPU. |
| Przekonwertować zadanie robocze na pakiet | Przekonwertuj obciążenie AI Runtime YAML na Declarative Automation Bundles, aby zarządzać nim jako trwałym zadaniem. |
| Konfiguruj zadania pakietu | Pakowanie kodu treningowego, wybór obliczeń GPU i środowisk oraz przekazywanie konfiguracji do zadań pakietowych. |
| Udostępniaj wytrenowane modele | Loguj, rejestruj i wdrażaj modele trenowane w AI Runtime do punktów końcowych Model Serving na infrastrukturze CPU lub GPU. |
| Udostępniaj w środowisku swojego notebooka | Zarejestruj model z notatnika AI Runtime jako wdrożenie ekspresowe, tak aby punkt końcowy korzystał z tego samego środowiska i pakietów co notatnik. |
| Udostępniaj modele LLM | Obsługuj LLM wytrenowany na AI Runtime w punkcie końcowym GPU za pośrednictwem interfejsu API kompatybilnego z OpenAI. |