面向 ML Ops 的 HPE GreenLake

标准配置

性能优化配置

具有数据科学团队并希望达到以下目的的公司：利用人工智能和机器学习来解决业务问题，且需要以敏捷、安全的方式在本地运行 ML/AI 工作负载，同时不希望管理基础设施。

拥有数据科学团队并大规模培训深度学习模型，然后将模型投入生产的公司，或者在本地同时运行多个数据科学项目的公司。

• 计算：HPE Apollo 6500（6 个 CPU，96 个可使用 CPU 内核），集成有加速 NVIDIA Tesla V100 GPU (4)；以及 HPE ProLiant DL360，集成有 NVIDIA Tesla T4 GPU (4)。 
• 存储：HPE Apollo 4200，具有 228TB 可用存储空间。

• 计算：HPE Apollo 6500（6 个 CPU，120 个可用 CPU 内核），集成有加速 NVIDIA Tesla V100 GPU (8)；以及 HPE ProLiant DL360，集成有NVIDIA Tesla T4 GPU (4)。 
• 存储：HPE Apollo 4200，具有 394TB 可用存储空间和 150TB NVMe 存储空间。

HPE Ezmeral 容器平台和 ML Ops 软件，包括一组 5 个预配置的数据科学应用映像以及可自定义的选项。这些映像包含各种开源数据科学工具、语言和 CI/CD工具，设计用于数据提取、数据准备、模型训练、模型部署和笔记本。

HPE Ezmeral 容器平台和 ML Ops 软件，包括一组 5 个预配置的数据科学应用映像以及可自定义的选项。这些映像包含各种开源数据科学工具、语言和 CI/CD工具，设计用于数据提取、数据准备、模型训练、模型部署和笔记本。

通过用于 HPE 容器平台和 HPE GreenLake Central 编排的通用控制平面进行安全、自助式的配置和管理。   

通过用于 HPE 容器平台和 HPE GreenLake Central 编排的通用控制平面进行安全、自助式的配置和管理。   

根据群集中节点使用的计算（以分钟为单位）和存储（以 GB 为单位）计量使用量。

用于计算超过预留容量的使用量的指标有 4 个。

• CPU 内核– 按分钟使用量 
• V100 GPU – 按分钟使用量 
• T4 GPU - 按分钟使用量 
• 存储空间 - 每小时平均使用 GB 数量

根据群集中节点使用的计算（以分钟为单位）和存储（以 GB 为单位）计量使用量。

用于计算超过预留容量的使用量的指标有 4 个。

• CPU 内核– 按分钟使用量 
• V100 GPU – 按分钟使用量 
• T4 GPU - 按分钟使用量 
• 存储空间 - 每小时平均使用 GB 数量

• 慧与工程师执行初始设置以及与现有数据中心基础设施的集成。服务内容包括主动式和响应式支持，有单点联系人。
• 服务内容包括与慧与专家进行为期几天的安装后技术交流。您可以自行决定如何使用此服务。  
• 慧与对面向 ML Ops 基础设施的 HPE GreenLake 进行全面监控和生命周期管理。  

• 慧与工程师执行初始设置以及与现有数据中心基础设施的集成。服务内容包括主动式和响应式支持，有单点联系人。
• 服务内容包括与慧与专家进行为期几天的安装后技术交流。您可以自行决定如何使用此服务。  
• 慧与对面向 ML Ops 基础设施的 HPE GreenLake 进行全面监控和生命周期管理。