深度学习时代,
90%的时间被花在等模型训练完
90%的时间被花在了研究数据,特征工程
人工智能实训平台提供多种基础架构能够简易、可重复且具备可移植性的部署,并且做到部署及管理人为相依性的微服务,旨在使 Kubernetes 上的深度学习任务变的轻松、便捷、可扩展,其目标不是重建其他服务,而是通过发挥 Kubernetes 的特长,从而更便捷地运用深度学习
用模块化的、易于理解的模块创建计算图。
以利于在稍后的应用中重用
训练模型非常简单,可以用来快速做实验
可以用 YAML 或 Json 文件来创建模型和设计实验,也可以用 Python 文件
由于完善的模块化和充分的代码文档,用现有模块来构建或者拓展现有模块,都非常容易
低层基于 tensorflow 代码库,可以充分利用了其分布式学习特性
提供了多种数据处理接口,支持各种数据输入
强大的监控和日志记录
扩展和负载测试
集群分布式训练
集成超参数调优
高级数据管理
面向企业-高校就绪
改进部署和开发体验
实现高级 ML 工作流程
基础设施完善