内容字号:默认大号超大号

段落设置:段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

对象存储_服务器超融合_好用

2021-06-09 12:05 出处:欧普曼云计算 人气: 评论(0

对象存储_服务器超融合_好用

每年,越来越多的企业希望借助人工智能来帮助他们解决复杂的业务挑战。无论他们是使用人工智能来预测需求,预测设备何时需要日常维护,还是提供更好的客户体验,他们都有一个共同点:他们需要一支能够帮助他们做到这一点的员工队伍。

我们的目标一直是让人工智能更简单、更快,对企业更有用。这意味着易于使用的人工智能解决方案,使企业采用它们变得简单。但这也意味着让开发人员、数据科学家和数据工程师更容易构建和部署机器学习模型。

今天,我们宣布了一些新的方法,从引入人工智能服务的集成平台,帮助您构建人工智能能力,然后在云中或本地运行,到扩展我们的AutoML产品,物联网城市,使企业能够更轻松地构建和部署自己的定制ML模型。

以下是一些新功能:

引入AI平台:构建AI应用程序,然后在云中或本地运行它们

在处理AI项目时,企业会处理从非结构化数据到应用程序的各种问题将团队分散到复杂的部署中。他们需要一个地方将所有这些东西结合起来,使ML更容易和更具协作性。

今天,我们宣布推出测试版AI平台,这是一个全面的端到端开发平台,帮助团队通过相同的共享界面准备、构建、运行和管理ML项目。无论您是开发人员、数据科学家还是数据工程师,您都可以在云控制台的同一个仪表板上协作模型共享、培训和扩展工作负载。

通过AI平台,大数据培训哪好,您可以接收流式数据或批处理数据,并使用内置的标记服务轻松地标记图像、视频、音频和文本等培训数据应用分类、目标检测、实体提取等过程。您可以将数据直接导入AutoML,或者使用云机器学习引擎(现在是AI平台的一部分)在GCP上训练和服务您自己定制的ML模型。AI平台补充了AI Hub,因此开发者可以发现ML管道、笔记本和其他教学内容,而且由于AI平台支持谷歌的开源平台Kubeflow,您可以构建可移植的ML管道,然后您可以在本地或云中运行,几乎不需要更改代码。

在我们的网站上了解有关AI平台的更多信息。

当我们首次引入cloud AutoML时,我们的目标是帮助具有有限ML专业知识的开发人员培训高质量的定制机器学习模型,并将其部署到他们的业务中。今天,我们很高兴地宣布新的和增强的AutoML解决方案,这将进一步推进我们的使命,使所有开发人员和企业使用AI变得简单、快速和有用。

AutoML表:无需编码即可从数据集轻松创建ML模型

企业生成的结构化数据比以往任何时候都多,而帮助他们轻松地将所有数据转化为可操作的预测性见解的工具可以提供巨大的帮助。AutoML表现在已经在beta版中提供,它允许您在结构化表格数据集上构建和部署最先进的机器学习模型,并且不需要任何代码。只需单击几下,就可以将BigQuery和其他GCP存储服务中的数据摄取到AutoML表中,并在几天内(而不是几周内)构建和部署ML模型。无代码界面指导您完成完整的端到端机器学习生命周期,使您团队中的任何人(无论是数据科学家、分析师还是开发人员)都可以轻松地构建模型并可靠地将其纳入更广泛的应用程序中。

要更深入地了解AutoML表,请阅读我们的数据分析博客文章。

扩展AutoML边缘视觉

优化机器学习模型以在边缘设备(如连接的传感器或摄像头)上运行可能是一个挑战,云服务器买哪个好,因为这些设备通常要处理延迟和不可靠的连接。去年,我们发布了AutoML Vision,使开发人员更容易创建用于图像识别的自定义ML模型。今天我们宣布推出AutoML Vision Edge,以简化(本地或远程)Edge设备的高精度、低延迟定制ML模型的培训和部署。AutoML Vision Edge支持多种设备,可以利用Edge TPU进行更快的推理。例如,物联网培训,LG CNS正在使用AutoML Vision Edge创建制造智能解决方案,用于检测从LCD屏幕到光学薄膜到装配线上汽车织物的所有缺陷。

通过AutoML视频实现强大的内容发现和参与体验

分析大量视频片段以识别特定时刻,准备特殊的切割,或者更好的分类视觉数据可能是一个困难和耗时的过程。今天,我们将发布测试版的AutoML视频,这样开发者就可以轻松地创建自定义模型,用他们定义的标签自动对视频内容进行分类。处理大量不同视频数据的公司可以根据自己的分类法即时发现内容。这意味着媒体和娱乐企业可以简化自动删除商业广告或创建突出显示的影片等任务,其他行业也可以将其应用于自己特定的视频分析需求,例如,更好地理解交通模式或监督制造过程。

除了这三个全新的AutoML解决方案之外,我们还在继续改进AutoML Vision和AutoML Natural Language的核心功能。AutoML视觉目标检测(beta)可以识别图像中目标的位置,以及在相互关联的上下文中,例如,人行横道中的行人。AutoML自然语言自定义实体提取(beta)帮助您自动识别文档中的实体,如医疗术语或合同条款,并基于公司特定的关键字和短语对其进行标记。AutoML自然语言自定义情绪分析(beta)帮助您应用机器学习,物联网流量卡,更好地理解文本块中表达的总体观点、感觉或态度,并根据您所在组织的特定领域情绪得分进行调整。

我们将继续投资于使机器学习成为可能的基础设施。我们的云tpu是为快速训练ML模型而定制的,它允许您以较低的成本按比例迭代以获得更高的分类精度。我们的第三代液冷TPU现在可以普遍使用,所有云TPU也可以在Google Kubernetes Engine(GKE)中普遍使用,这是一种新的灵活方式来运行您的容器化ML工作负载,使您可以灵活地在prem和基于云的培训之间切换。GCP也是第一家提供新的NVIDIA Tesla T4的云服务提供商,现已在八个地区普遍提供。

作为今天宣布的一部分,我们还与众多合作伙伴合作,包括Accenture、Atos、Cisco、Gigster、Intel、NVIDIA、Pluto 7、SpringML和UiPath,建立Kubeflow管道,以发展和扩展AI Hub。建立一个成功的平台需要一个强大的合作伙伴生态系统,我们感谢所有的合作伙伴,他们使我们的客户能够在他们选择的基础设施上培训和服务机器学习管道。

分享给小伙伴们:
本文标签: 对象存储服务器融合好用

相关文章

评论

发表评论愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。

签名: 验证码: 点击我更换图片

评论列表