AI人工智能训练推理平台——数算岛开源AI计算平台=GPU池化软件

一、AI人工智能开发面临的问题和挑战

1. GPU管理难题

   　　1.1 资源管理难：算力资源昂贵，但缺乏有效管理，闲置情况严重。

   　　1.2 用户管理难：多租户环境下，难以科学合理分配资源，难以确保数据安全。

2. AI算法开发难题

   　　2.1 环境搭建难：深度学习对算力、数据、框架的复杂要求，导致配置环境需要付出大量时间精力。

   　　2.2 模型训练难：AI技术架构多而复杂，工程难度高，严重影响模型开发与调优的效率。

   　　2.3 团队协作难：开发环境缺乏协同合作，导致大量重复工作，业务进展缓慢。

   　　2.4 开发资源管理难：缺乏对代码、镜像、模型数据的统一管理，容易形成资源孤岛。

二、产品介绍

GPU池化软件 | (AI人工智能训练平台、AI人工智能推理平台) 是一站式全流程人工智能平台，平台打通模型开发与训练，原生支持多机多卡训练环境，优化AI场景下IO吞吐、持久化、结构化维护模型生产信息，优化数据资源共享路径，最终提高平台整体资源利用率，消除信息孤岛，大幅提高AI算法工程师工作效率，使其聚焦于算法与模型开发的核心工作，利用有限的资源更快挖掘商业价值与远见洞察。提高企业对于AI应用的研发效率。平台支持数据共享、模块复用，为团队协作提供了便捷。平台提供的对于AI资源的管理简单、便捷、灵活。

三、核心功能

　　3.1 AI模型在线开发：深度整合算法开发环境，支持JupyterLab/网页终端/ssh登录等多种开发调试工具。一键快速提交训练任务和保存镜像。支持主流TensorFlow、PyTorch等AI框架。实时监控开发环境资源用量(CPU、内存、GPU)。支持使用VSCode、PyCharm工具远程SSH连接开发环境进行代码调试。

　　3.2 模型训练：支持单机训练、分布式训练。

　　3.3 AI资产管理：包括对镜像、数据、代码的整合与管理，支持外部数据源的接入和外部代码仓库的连接。支持代码、数据、镜像的多层级共享，方便AI开发工程师相互协作。

　　3.4 排队管理：用户可以同时提交多个任务，资源不足时自动进入等待队列。其他任务训练结束后自动释放资源给排队等待的任务，从而可以充分利用夜间、周末训练任务，延长GPU的使用时间，提高训练效率，有效提升人效。AI任务队列优先级可灵活调整。

典型应用场景

核心竞争力

• 优化生产力：一站式开发、训练、管理平台，化繁为简，有利于大幅缩短模型开发周期。精细化、结构化的任务管理，结合配额、可视化、作业调度器，最大化提高效率。多种机制结合，灵活管理多租户场景下计算资源的统一合理分配。强化的安全机制，优化的协同平台，有利于团队成员间分享成果与开展合作。
• 算力质优价廉：任务自动排队机制，有效避免资源闲置，降低人工守护成本。多场景自由切换，低配环境开发、高配环境训练，高效利用资源。
• 支持敏捷开发：统一的开发环境，一站式帮助用户完成在线开发、模型训练、代码分享、模型调优等核心功能。结合硬件资源配额，支持用户自定义开发环境。平台支持多种数据存储方案，统一管理个人数据与开发数据，支持数据协同共享。平台集成镜像管理、代码/代码版本管理，支持模型快速迭代。

其他信息

　　微信wx：18601938676 (讨论群+v)

部分图片展示