文章图片
PAI-DSW
对于AI开发者而言 ， 基于云原生的交互式建模工具能够为开发工作带来极大的便捷 ， 所以一直以来对于此类工具的呼声一直很高 。 此次推出的PAI-DSW便是一款全托管式云上的开发环境 ， 通过云的能力为开发者提供了实例环境的持久化能力 。 同时基于云的特性 ， PAI-DSW能够提供灵活的环境以及多数据集的支持能力 。 在开发流程上 ， DSW做到了全生命周期的实例管理与实例权限控制 。 同时和上文中提到的PAI-Designer一样 ， PAI-DSW也开放了OpenAPI集成能力 。
文章图片
PAI-DLC
PAI-DLC云原生基础平台一站式解决了AI模型训练过程中的问题 ， 该平台基于云原生的Kubernetes架构开发而成 ， 同时支持公共资源与专有资源 ， 并为开发者提供了灵活的开发环境 ， 支持预设、自定义镜像与挂在多个数据集 。 此外在管理层面该平台支持全生命周期任务管理与实例权限控制 ， 并支持OpenAPI集成能力 。 该平台的出现能够极大帮助开发者与企业用户迅速跨过大规模、分布式等难关 。
文章图片
除了上述新产品的发布 ， 黄博远在会上还带来了PAI集成NNI的全新功能发布 ， NNI是微软亚洲研究院发布的时下最热门的自动机器学习（AutoML）开源项目之一 。 PAI的DSW工具完美集成了NNI ， 以jupyter插件的方式使得开发者可以便利地使用AutoML能力 ， 此外开发者可以通过DLC分布式训练集群进行NNIHPO分布式训练 。
在演讲的最后 ， 黄博远以阿里云十万亿大模型M6为例 ， 展示了通过PAI机器学习平台构建此类超大规模多模态预训练模型 ， 通过机器学习平台PAI对大模型进行打磨并实现最终部署的成果全过程成果展示 。 通过PAI机器学习平台所提供的坚实基础能力 ， 开发者与企业能够真正做到将AI带进千家万户 。
文章图片
特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。