0
När du är fasas avancerade analyser, maskininlärning och artificiell intelligens i din infrastruktur, traditionella konfigurationer som inte nödvändigtvis är upp till uppgiften. Program med anknytning till AI kan samla en stor mängd data baserade på i/O-krav. Du måste se till att dessa egenskaper är en del av din setup:
Hög hastighet läsa accessHigh-fart skriva accessReasonable kostnad
Microsoft Cloud-Tjänster, till exempel, använda sig av hårdvara och skala praktiskt taget oändligt mycket att hantera AI arbetsbelastning. Med hjälp av hårdvara, Microsoft kunna erbjuda lagringstjänster över standard protokoll som iSCSI, NFS, SMB, CIFS, etc. och mer avancerade funktioner.
Hårdvara är en växande trend när man utformar ett system för att hantera stora volymer av data. Big data infrastruktur normalt använder hårdvara för att distribuera terabyte data i nätverket. Microsoft Azure-lagring ger en prisvärd lösning för AI genom att stödja en strukturerad och ostrukturerad data i en skalbar plattform. Du har också möjlighet att genomföra lagring i samband med automatisering av rutiner med RESTful Api.
AI-program och de belastningar som de kan lägga på ett system resurser kommer att variera i volym och komplexitet. För att stödja djupt lärande, problemlösning, resonemang, och lärande, dessa program kräver förmåga att analysera stora mängder data i olika format, för att sedan sammanställa data och producera resultat i en optimal tid.
Här är två exempel på hur Microsoft är att utforma program för att bygga infrastruktur AI:
Azure Machine Learning är en metod som utformats av Microsoft för att införliva prediktiv analys i program. Maskinen Lärande Studio gör det möjligt för utvecklare att använda kända programmering används för att utforma modeller för AI.
Microsoft Azure Kognitiva Tjänster är ett annat erbjudande som kombinerar användaren erfarenheter med maskin-baserade intelligens. Kognitiv Tjänster ger användaren genom att hjälpa till att distribuera applikationer på olika plattformar enkelt.
Kognitiv Utveckling omfattar följande områden:
VisionSpeechLanguageKnowledgeSearch
Microsoft meddelade nyligen Azure Parti AI Utbildning, liksom. Detta är ett utrymme segmenterade inom Azure-Moln som utvecklare kan använda för att arbeta på AI applikationer utan oro för att kompromissa infrastruktur resurser. Genom att göra denna typ av modellering, utvecklare kommer att kunna avgöra vad som behövs för deras infrastruktur innan ansökan är utplacerade.
Var och en av dessa verktyg kan utnyttja Azure Molnet för distribution, liksom, så att du kan skörda frukterna av test/dev och produktion i Azure.
AI infrastruktur beroenden variera, och smarta design är avgörande. Microsoft Azure, tillsammans med Microsofts utveckling och utbildning verktyg, sätter en anpassad lösning inom räckhåll.
0