Ang data analytics at pag-aaral ng makina ay lalong ginagamit araw-araw at mga kumpanya na sumusubok sa pakikipagsapalaran ay nahaharap din sa mga problema sa pagsasama sa pangkalahatan. Upang maabot ang mga hamong ito, Ipinakilala lamang ng IBM ang CodeFlare, isang bukas na balangkas ng mapagkukunan, kung saan ay batay sa Ray ipinamamahagi system mula sa RISE laboratoryo mula sa University of California sa Berkeley para sa mga modelo ng machine learning.
codeflare naglalayon na gawing simple ang proseso ng pag-ulit ng AI na may mga tukoy na elemento sa mga daloy ng sukat ng data work at lumago sa isang proyekto sa IBM group na responsable para sa paglikha ng isa sa mga unang 2-nanometer prototype chip sa buong mundo.
Sinabi ng IBM na tumutulong ang CodeFlare na gawing simple ang pagsasama at mahusay na pag-scale ng malaking data at mga daloy ng artipisyal na intelligence sa mga multi-cloud na imprastraktura.
"Kinukuha ng CodeFlare ang paniwala ng pinasimple na pag-aaral ng makina ... isang hakbang pa, na lampas sa mga nakahiwalay na hakbang upang maayos na isama ang mga tubo ng end-to-end na may interface na pang-agham ng data tulad ng Python, hindi mga lalagyan," Priya Nagpurkar, Principal Hybrid Cloud Platform sa IBM Research, sinabi ng VentureBeat sa pamamagitan ng email ... naiiba ang sarili sa pamamagitan ng pagpapasimple ng pagsasama at pag-scale ng buong pipelines na may pinag-isang runtime at interface ng programa. "
Sa isang post sa blog, Ipinaliwanag ng IBM na ang paglikha ng mga modelo ng pag-aaral ng makina sa mga araw na ito ay isang masidhing manu-manong gawain.. Dapat munang sanayin at i-optimize ng mga mananaliksik ang isang modelo, na nagsasangkot ng mga gawain tulad ng paglilinis ng data, pagkuha ng tampok, at pagkatapos ay ang pag-optimize ng modelo, at dito sinabi ng IBM na nakakatulong ang CodeFlare na gawing simple ang gawaing ito.
Dahil ang CodeFlare ay gumagamit ng isang interface batay sa wika ng programa ng Python upang lumikha ng isang pipeline, kung saan mas madaling isama, ihanay at ibahagi ang data. Maaari nang magamit ang CodeFlare upang mapag-isa ang mga daloy ng pipeline sa maraming mga platform ng cloud computing, nang hindi natututo ng isang bagong wika ng daloy ng trabaho para sa bawat uri ng imprastraktura.
Sinabi ng IBM ang mga pipeline maaaring i-deploy sa anumang ulap na imprastraktura, kabilang ang bagong IBM Cloud Code Engine, na isang platform na walang server at Red Hat OpenShift, kasama din ay nagbibigay ng mga adaptor para sa mga nag-trigger ng kaganapan, tulad ng pagdating ng isang bagong file, na nangangahulugang ang mga tubo ay maaaring isama at kumonekta sa iba pang mga cloud-katutubong ecosystem, sinabi ng IBM.
Bukod dito, pinapayagan din nitong mai-load at mai-partition ang data mula sa maraming mga mapagkukunan, tulad ng mga cloud object store, data lawa, at ipinamamahagi na mga file system.
Ang pangunahing pakinabang ng paggamit ng CodeFlare upang mag-set up ng mga bagong proyekto sa pag-aaral ng makina ay ang bilis. Inako ng kumpanya na kapag ang isa sa mga gumagamit nito ay naglapat ng CodeFlare upang pag-aralan at i-optimize ang 100,000 pipelines upang sanayin ang mga modelo ng pag-aaral ng makina, binawasan nito ang oras upang patakbuhin ang bawat isa mula sa apat na oras hanggang 15 minuto lamang.
Mahalaga ang bilis, paliwanag ng IBM, sapagkat lumalaki at lumalaki ang mga hanay ng data, na nangangahulugang ang mga daloy ng pag-aaral ng makina ay nagiging mas kumplikado at kumplikado. Tulad ng naturan, gumugugol ng mas maraming oras ang mga mananaliksik sa pag-configure ng kanilang mga setting bago nila magawa ang mga bagay.
"Sinusundan ito ng IBM sa pamamagitan ng paggamit ng bukas na mapagkukunan CodeFlare bilang isang balangkas para sa mga manggagawa sa data at mga developer na bumuo ng mga artipisyal na modelo ng katalinuhan na maaaring tumakbo sa anumang ulap," sabi ni Mueller. "Ang CodeFlare ay tumatakbo sa RedHat OpenShift at nakakamit ang kakayahang multi-cloud mula doon."
Sinabi ng IBM na:
Ang CodeFlare ay magbubukas bukas na mapagkukunan ngayon magagamit ito sa imbakan ng IBM sa GitHub, kasama rin ang paglabas ng maraming mga sample ng CodeFlare pipelines na nilikha nito at tumatakbo sa IBM Cloud at Red Hat OpenShift.
Sa wakas kung interesado kang malaman ang tungkol dito o magagawang suriin ang source code ng CodeFlare, magagawa mo ito mula sa sumusunod na link.