Spell представляет собой комплексную платформу машинного обучения, разработанную для простоты использования, и теперь предлагает воплощения для развертывания как в общедоступном облаке, так и в центре обработки данных.
Spell, комплексная платформа для машинного обучения и глубокого обучения, охватывающая подготовку данных, обучение, развертывание и управление, анонсировала Spell for Private Machines, новую версию своей системы, которая также может быть развернута на вашем собственном оборудовании, так и на облачных ресурсах.
Spell был основан Серканом Piantino, бывший директор инженерии в Facebook и основатель группы AI Research Facebook. Spell позволяет командам создавать воспроизводимые системы машинного обучения, которые включают в себя знакомые инструменты, такие как ноутбуки Jupyter, и которые используют вычислительные экземпляры GPU, размещенные в облаке.
Обучение подчеркивает простоту использования. Например, оптимизация гиперпараметра для эксперимента - это высокоуровневая функция с одной командой. Также пользователи не должны делать много для настройки инфраструктуры. Spell также организует экспериментальные активы, поэтому как эксперименты, так и их данные могут быть проверены и проверены как часть процесса разработки.
Обучение изначально срабатывало только в облаке, до сих пор не было развертывания «за брандмауэром». Spell For Private Machines позволяет разработчикам запускать платформу на собственном оборудовании. Как локальные, так и облачные ресурсы можно смешивать и сопоставлять по мере необходимости. Например, прототипная версия проекта может быть создана на локальном оборудовании, а затем масштабирована до экземпляра AWS для производственного развертывания.
Большая часть рабочего процесса Spell уже разработана так, чтобы чувствовать себя так, как будто он работает локально, и дополнять существующие рабочие процессы pip install spell. Например, можно настроить инструменты Python для работы с обучениями. И поскольку среда выполнения Spell использует контейнеры, несколько версий эксперимента с различными поворотами гиперпараметра могут выполняться параллельно.
