HPE ML Dev Env 3yr Sub E-RTU

Vos équipes MLOps et de développement des modèles passent-elles davantage de temps à configurer et à gérer l’infrastructure ML plutôt qu’à construire et à déployer des modèles en production ? Basé sur la plateforme de développement de modèles Determined open-source, HPE Machine Learning Development Environment permet aux chercheurs et aux développeurs de modèles de se consacrer à la création plus rapide de modèles améliorés en diminuant la complexité et en supprimant la nécessité d’écrire un code passe-partout associé à la gestion de l’infrastructure ML. Il s’intègre facilement aux structures et aux outils ML et prend en charge les environnements d’infrastructure sur site ou sur cloud en offrant une expérience utilisateur cohérente. Notre plateforme facilite également la configuration et le partage de l’infrastructure IA pour les équipes MLOps et IT afin d’améliorer la collaboration et la productivité des équipes ML, sans réduire les coûts. Formez les modèles plus rapidement, créez des modèles plus précis, gérez et partagez efficacement l’infrastructure IA, suivez et reproduisez aisément les expérimentations avec HPE Machine Learning Development Environment.

Apprenez plus rapidement des modèles avec des stratégies et des techniques d’apprentissage distribué ultra-modernes

HPE Machine Learning Development Environment s’intègre à DeepSpeed pour l’apprentissage distribué 3D-Parallel (parallèle aux données, aux modèles et aux pipelines), pour accélérer l’apprentissage de modèles de grand format comme GPT-NeoX.

Horovod : un apprentissage distribué en parallèle des données, facile à utiliser.

PyTorch Distributed Data Parallel (DDP) : pour la flexibilité et le choix de stratégies d’apprentissage distribué.

Amélioration efficace des configurations de modèles avec des techniques d’ajustement des hyperparamètres ultra-modernes

HPE Machine Learning Development Environment inclut une implémentation à un niveau de production des créateurs de l’agorithme d’hyperbande Asynchronous Successive Halving (ASHA) pour la recherche et l’optimisation HPE.

Définissez votre propre logique de coordination par de nombreux essais menés au sein d’une expérimentation.

Implémentez vos algorithmes personnalisés de recherche d’hyperparamètres, d’assemblage, d’apprentissage actif, de recherche d’architecture neuronale et d’apprentissage par renforcement.

Partage facile des GPU et accélérateurs avec la programmation intelligente des flux de machine learning et la gestion des ressources

HPE Machine Learning Development Environment, pour le partage de vos GPU et accélérateurs, sur cloud ou sur site, avec vos équipes en charge des opérations et du développement machine learning.

Exécutez les tâches de machine learning et HPC en parallèle sur le même cluster, avec un gestionnaire des charges de travail comme Slurm ou PBS, et des environnements d’exécution en conteneur sécurisés comme Singularity/Apptainer, Podman, ou NVIDIA® Enroot.

Utilisez facilement des instances ponctuelles ou préemptibles pour gérer les coûts du cloud.

Formez des modèles sur GPU NVIDIA ou AMD® sans aucune modification de code, avec la prise en charge fondamentale de l’hétérogénéité des accélérateurs.

Une expérience utilisateur cohérente pour les déploiements sur votre ordinateur vers un supercalculateur, et tous les outils intermédiaires notamment : sans système d’exploitation, machine virtuelle (dont les solutions IaaS sur le cloud et sur site), Kubernetes, Slurm et PBS

Suivez et reproduisez vos tâches avec le suivi d’expérimentation intégré et le registre de modèles

HPE Machine Learning Development Environment fournit un suivi d’expérimentation intégré qui couvre le code de modèle, la configuration, les hyperparamètres, les indicateurs métriques et les points de contrôle.

Créez des versions, ajoutez des annotations et organisez des modèles formés pour une collaboration efficace des équipes MLOps avec les développeurs pour gérer le cycle de vie de vos modèles.