HPE Ezmeral Machine Learning Ops
與 DevOps 前的軟體開發非常相似,資料科學組織仍然要耗費大量的時間和精力,才能將專案從開發轉移到生產。模型版本控制和程式碼共用必須手動操作,工具和架構也缺乏標準化,這就使得將機器學習模型產品化的過程既繁瑣又耗時。HPE Ezmeral Machine Learning Ops (HPE Ezmeral ML Ops) 擴展了 HPE Ezmeral 容器平台的功能,進而為企業機器學習帶來媲美 DevOps 的敏捷性。藉助 HPE Ezmeral ML Ops,企業可以透過實作 DevOps 流程,將其 ML 工作流程標準化。HPE Ezmeral ML Ops 可以為資料科學團隊提供一個滿足其端對端資料科學需求的平台,不僅可以在內部部署、多個公用雲端或混合式模型中彈性地執行機器學習或深度學習 (DL) 工作負載,而且可以回應各種使用案例的動態業務需求。
最新消息
- Policy Management (Image Pull , Pod Security, Drift Detection) and Container Runtime Security - out-of-the-box such as Falco (open source only)
- RHEL 8 Support on GPU hosts (K8s hosts fresh install / K8s hosts upgrade (includes GPU support) and K8s Version 1.19.
- Model Management with ML Flow integration and Airflow Operator for Spark Scheduling.
- Upgrade Spark Operator to 3.0.1 – K8s only.
- Apache Livy for Apache Spark 3.
- Global FSMount - Enable sharing with Global FSMount across tenants
主要功能
更快實現價值
透過直覺式圖形使用者介面管理及佈建基礎架構。
可在幾分鐘內佈建開發、測試或生產環境,而不是幾天。
新進資料科學家可以使用其選擇的工具和語言快速進入工作狀態,而無需建立孤立的開發環境。
提高生產力
資料科學家將寶貴時間用於建立模型及對結果進行分析,而不是浪費在等待訓練工作完成。
HPE Ezmeral 容器平台有助於在多租戶環境下確保不會損失準確度,效能也不會降低。
藉由共用程式碼、專案和模型儲存庫,改善協同合作和可重複性。
降低風險
針對運算與資料提供企業級安全性和存取控制。
歷程追蹤可提供模型控管和可稽核性,以符合監管法規。
與協力廠商軟體整合,實現可轉譯性。
高可用性部署可確保關鍵應用程式永不失誤。
彈性十足
根據您的業務需求部署內部部署、雲端或混合式模型。
自動調整叢集規模,輕鬆滿足動態工作負載的需求。
HPE Ezmeral 容器平台的更多詳情
Hewlett Packard Enterprise 服務
Kubernetes® 是 Linux Foundation 在美國和其他國家/地區的註冊商標,在 Linux Foundation 的授權下使用。LINUX FOUNDATION 和 YOCTO PROJECT 是 Linux Foundation 的註冊商標。

找到您想要的內容了嗎?