Addestramento semplice e rapido dei modelli di Intelligenza Artificiale
Eseguire l'addestramento dell’Intelligenza Artificiale nel Cloud senza preoccuparsi del funzionamento dell'infrastruttura è possibile: grazie ad AI Training, i data scientist possono concentrarsi sul proprio core business senza pensieri relativamente all'orchestrazione delle risorse di calcolo.
Questa soluzione, basata sulla piattaforma open source Kubernetes, permette di istruire facilmente i propri modelli, in pochi click o da riga di comando. In questo modo è possibile risparmiare tempo e aumentare la produttività del proprio team nel rispetto dell'integrità dei dati sensibili.
Per sviluppatori e data scientist
Sviluppa i tuoi modelli con il framework che preferisci, come Scikit-learn, XGBoost o TensorFlow. Esegui addestramenti su uno o più nodi CPU/GPU in pochi secondi. È sufficiente una semplice riga di codice o una chiamata API.
Ottimizzazione dell'utilizzo delle risorse
La pianificazione dell'utilizzo delle risorse di calcolo CPU/GPU è gestita dalla nostra soluzione e non richiede quindi un’integrazione nella propria organizzazione.
Potenza GPU al miglior prezzo
AI Training propone le migliori tariffe sul mercato per le risorse CPU/GPU. La fatturazione al minuto è trasparente, semplifica la gestione del budget e permette così di ottimizzare le spese.
Certificazioni ISO/IEC 27001, 27701 e conformità all’hosting di dati sanitari
Le nostre infrastrutture e servizi Cloud sono certificati ISO/IEC 27001, 27017, 27018 e 27701. La nostra conformità normativa ti consente di ospitare i dati sanitari in totale sicurezza.
Le nostre risorse di calcolo GPU
 CPU |
 GPU |
|
|---|---|---|
| Descrizione | Approfitta di risorse CPU garantite, adatte alle tue fasi di test, preproduzione e Machine Learning di base. | Implementa risorse GPU per tutti i casi d’uso di addestramento IA e Deep Learning, che richiedono calcoli intensivi. |
| Nome | ai1-*-cpu | ai1-*-gpu |
| Utilizzo | Addestramento Machine Learning base, test, preproduzione | Addestramento Deep Learning (NLP, Computer Vision) |
| Architettura vCPU | Processori Intel Xeon da 1 a 12 vCore +2 GHz |
Processori Intel Xeon 13 vCore +2,9 GHz |
| Memoria RAM | 4 GiB di RAM | 40 Gio de RAM |
| Architettura GPU | N/A | NVIDIA TESLA V100s Memoria RAM dedicata alla GPU: 32 GiB Performance GPU (FP32) 16,4 TFLOPS |
| Storage locale temporaneo | 40 GiB | 750 Gio |
| Storage dell’Object Storage | Illimitato | Illimitato |
| Rete pubblica | 500 Mbps | 1,5 Gbit/s |
| Numero massimo di risorse per job di addestramento o Notebook | 12 CPU | 4 GPU |
Casi d’uso
Perché la soluzione AI Training è differente
Semplicità per accelerare i progetti IA
AI Training è una piattaforma tecnologicamente neutrale. Si basa sulla piattaforma open source Kubernetes, che permette di ottimizzare l'utilizzo delle risorse per gli addestramenti in base alle necessità. Questa soluzione di Public Cloud, senza impegno contrattuale minimo e con pagamento a consumo, si adatta in modo dinamico all’utilizzo dell’utente per offrire la massima flessibilità e potenza. AI Training migliora notevolmente la produttività dei data scientist e ne semplifica la vita quotidiana eliminando i pesanti task di ingegneria.
Costi ridotti, fatturazione controllata
AI Training permette di usufruire di una tariffazione trasparente e di uno Spazio Cliente da cui monitorare facilmente il costo degli addestramenti effettuati. È una garanzia di semplicità e prevedibilità.
Cloud europeo, rispettoso dei dati
L'Intelligenza Artificiale offre grandi possibilità di valorizzazione dei dati, ma ne richiede la governance completa. Scegliere un provider Cloud europeo come OVHcloud significa avere la garanzia del rispetto dei dati (GDPR), senza il rischio di violazioni da parte della concorrenza a causa, ad esempio, di normative straniere come il CLOUD Act americano.
Progettato su standard aperti e open source
AI Training è nativamente compatibile con le applicazioni e i framework leader del mercato come Scikit-learn, TensorFlow, Pytorch e Jupyter Notebook. La trasparenza fa parte del nostro DNA e assicura la totale reversibilità dei processi di addestramento.
Utilizzo
Una volta creato il progetto Public Cloud, l'addestramento delle risorse di calcolo può essere avviato direttamente dallo Spazio Cliente tramite Jupyter Notebook, via API o da riga di comando.
In pochi click è possibile creare un notebook Jupyter associato al framework desiderato (TensorFlow, PyTorch, MxNet...) o organizzare in container il proprio codice di addestramento.
Dallo Spazio Cliente
La nostra interfaccia Web offre numerose funzionalità: dashboard di monitoraggio degli addestramenti, avvio di nuovi training, gestione dei dataset e molto altro.
Da riga di comando
Esempio: vuoi ottimizzare una rete neurale che permette di classificare i ticket di supporto. Ecco come implementare un JupyterLab con Pytorch e i tuoi dati, con due semplici righe di comando.
Ottieni la lista delle risorse disponibili sulla piattaforma AI Training:./ovhai capability
gpus:
- model: Tesla-V100S
max_gpus: 4
default: true
cpus:
- max_cpus: 12
Sincronizzare i dati locali verso l’object storage./ovhai data upload GRA myBucket train.zip
Eseguire un JupyterLab con Pytorch preinstallato ed effettuare il mount dei dati presenti nell'oggetto “lettura/scrittura” in “/data” con 2 GPU./ovhai job run \
--gpu 2 \
--name ai-training-pytorch-short-feynman \
--volume myBucket@GRA:/data:RW \
ovhcom/ai-training-pytorch:1.6.0
Recuperare i risultati
Automatico al termine del job
Per saperne di più
Consulta la nostra documentazione disponibile per gestire AI Training.
Tutte le funzionalità di gestione per AI Training sono disponibili con l'API ufficiale.
Funzionalità
Creazione di task di addestramento
Una volta definite le risorse necessarie per le operazioni di calcolo, è possibile inviarle ad AI Training. Questa offerta funziona con immagini Docker di modelli pubblici o privati. Per iniziare è disponibile un ampio catalogo di template.
Orchestrazione e parallelizzazione
AI Training orchestra gli addestramenti sull'infrastruttura OVHcloud. In questo modo è possibile eseguire una o più operazioni in parallelo, senza preoccuparsi dell'allocazione delle risorse fisiche o della compatibilità dei driver GPU.
Compatibilità TensorFlow, PyTorch, Scikit-learn, XGBoost e altri
Per modelli di Intelligenza Artificiale in grado di utilizzare risorse GPU in un ambiente organizzato in container, AI Training è lo strumento ideale: indipendentemente dall'applicazione utilizzata, questa soluzione offre una semplicità impareggiabile per gli addestramenti GPU.
Compatibilità con un ampio catalogo di modelli preinstallati
Un ampio portafoglio di immagini Docker pubbliche è disponibile gratuitamente, per un inizio ancora più rapido grazie all’implementazione di immagini pensate per il Deep Learning (autoML su testi, immagini o video) e configurate per sfruttare al meglio tutta la potenza delle nostre GPU.
Codice tramite notebook
Numerosi notebook Jupyter preconfigurati sono disponibili per i propri framework preferiti, come TensorFlow, PyTorch, Scikit-learn...
Gestione dallo Spazio Cliente, via API o da riga di comando
In base alle proprie competenze e affinità, è possibile avviare e monitorare le operazioni di calcolo GPU dall'interfaccia Web, tramite API o da riga di comando. Python, Java, Scala, C++ con Cuda, Golang... il linguaggio di programmazione non è importante: tutto è possibile.
Log
Un accesso rapido ai log degli eventi permette di tenere sotto controllo l'esecuzione delle operazioni con la massima semplicità.
Fatturazione di AI Training
Per ogni addestramento iniziato le risorse di calcolo utilizzate vengono fatturate al minuto, in base alla durata di vita e al numero di GPU assegnate.
Per usufruire di questo servizio non è necessario sottoscrivere alcun impegno contrattuale.
