MotusAI

AIStation es una plataforma AI DevOps desarrollada por KAYTUS para el desarrollo e implementación de modelos de IA. Se dedica a ayudar a las empresas a crear plataformas eficientes de desarrollo de aprendizaje profundo, gestionar y programar los recursos informáticos de IA de forma unificada y mejorar eficazmente la utilización de los recursos informáticos. AIStation proporciona a los ingenieros de desarrollo de IA una pila de software de desarrollo de IA y un proceso de desarrollo completos, lo que mejora enormemente la eficacia de la I+D.

Start Free Trial

Características principales

Mecanismo de tolerancia a fallos

Proporciona tolerancia a fallos para las tareas de entrenamiento, lo que permite a la plataforma garantizar eficazmente el entrenamiento continuo de las tareas y reducir el tiempo de recuperación en caso de caída del servidor o fallo de la GPU.
Entrenamiento distribuido eficaz

Admite la ampliación del entrenamiento distribuido a través de MPI en TensorFlow, PyTorch y otros marcos principales y proporciona operaciones de interfaz de usuario estándar, de modo que los usuarios puedan enviar entrenamiento distribuido a través de configuraciones sencillas de recursos de GPU y secuencias de comandos de entrenamiento.
Estrategias de aceleración de datos

Las estrategias de transmisión "copia cero", obtención multihilo, actualización incremental de datos y programación por afinidad de los datos de entrenamiento acortan enormemente el ciclo de caché de datos y mejoran la eficiencia del desarrollo y el entrenamiento de modelos.
Programación detallada de la GPU

Una estrategia de programación compartida de la GPU permite compartir sus recursos en un único dispositivo y compartir hasta 64 tareas por GPU. Se admite la asignación y el aislamiento en cualquier granularidad. Los usuarios pueden solicitar recursos de la GPU de forma dinámica en función de la memoria de la GPU.

Medición del rendimiento

Mejorar la eficacia del entrenamiento distribuido

Mejorar la eficacia del entrenamiento de IA con una estrategia de caché de datos

La prueba de referencia resnet50 muestra que la eficiencia del entrenamiento de IA utilizando una estrategia de caché de datos MotusAI mejoró significativamente con el aumento del número de tareas concurrentes. Con 70 tareas simultáneas, la eficiencia del entrenamiento de modelos mejoró en un 72 %.

Mejorar la eficacia del entrenamiento distribuido

En el caso del entrenamiento distribuido para resnet50, con el aumento de la concurrencia de tareas, el ratio de aceleración en la GPU del entrenamiento distribuido multitarjeta con MotusAI puede incrementarse hasta en un 90 %.





Please enter the SN or MN code of your product to preview or download it.

Verification code：

By clicking Submit,you acknowledge that you agree to comply with all applicable laws and regulations.

Click here to learn how to inquire a SN code.