Варианты хранения рабочей нагрузки ИИ скачать в хорошем качестве

Варианты хранения рабочей нагрузки ИИ

Высокопроизводительные задачи ИИ и машинного обучения требуют столь же высокопроизводительного хранилища. В этом видео рассматриваются основные рекомендации Google Cloud по хранению данных, позволяющие поддерживать полную загрузку ваших дорогостоящих ускорителей как во время обучения ИИ, так и во время вывода данных. Мы подробно рассмотрим Managed Lustre с его непревзойденной пропускной способностью и Google Cloud Storage (GCS) с GCS FUSE и Anywhere Cache — гибкость и экономичность. Выберите подходящее решение для хранения данных, которое станет основой для ваших приложений ИИ. Разделы: 0:00 — Введение 0:31 — Хранилище для обучения ИИ: Managed Lustre 1:19 — Альтернатива для обучения: Google Cloud Storage с GCS FUSE 2:08 — Хранилище для вывода: GCS с Anywhere Cache 2:32 — Альтернатива для вывода: Managed Lustre 2:55 — Обзор рекомендаций по хранению 3:25 — Заключение Ресурсы: Высокопроизводительная параллельная файловая система → https://goo.gle/ra-managed-lustre Оптимизация рабочих нагрузок ИИ и МО с помощью Cloud Storage FUSE → https://goo.gle/ra-gcs-fuse Подпишитесь на Google Cloud Tech → https://goo.gle/GoogleCloudTech #GoogleCloud #GCSFUSE #CloudStorage Докладчик: Дрю Браун Упоминаемые продукты: ИИ-инфраструктура, облачное хранилище