Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Monitora gli esperimenti, ispeziona i log, programma i carichi di lavoro di produzione della GPU e serve i modelli che addestri su AI Runtime.
| Topic | Description |
|---|---|
| Tieni traccia di esecuzioni, log e metriche | Monitora esperimenti, metriche e artefatti con MLflow e visualizza i log e l'utilizzo delle risorse GPU. |
| Pianifica i carichi di lavoro GPU | Distribuisci codice di addestramento con Declarative Automation Bundles, programma le esecuzioni e crea flussi di lavoro multi-task di GPU e CPU. |
| Converti un workload in un bundle | Converti un YAML di workload di esecuzione AI in Declarative Automation Bundles per gestirlo come un lavoro persistente. |
| Configura le attività del bundle | Impacchetta il codice di addestramento, seleziona il calcolo GPU e gli ambienti, e passa la configurazione nelle attività del bundle. |
| Distribuisci modelli addestrati | Registra i log, registra e distribuisci modelli addestrati su AI Runtime negli endpoint di Model Serving su CPU o GPU. |
| Serve con l'ambiente del tuo notebook | Registra un modello da un notebook AI Runtime come deployment express, così che l'endpoint utilizzi lo stesso ambiente e i pacchetti del notebook. |
| Distribuisci LLM | Distribuisci un LLM addestrato su AI Runtime su un endpoint GPU dietro un'API compatibile con OpenAI. |