NVIDIA DGX™-Ready 软件计划提供了企业级 MLOps 解决方案,可加速 AI 工作流,并改善 AI 基础设施的部署、可访问性和利用率。DGX-Ready 软件经过测试和认证,适用于 DGX 系统,可帮助您充分利用 AI 平台投资。
NVIDIA AI Enterprise 是 NVIDIA AI 平台的软件层,可加速数据科学工作流,并简化生成式 AI、计算机视觉、语音 AI 等生产级 AI 的开发和部署。NVIDIA AI Enterprise 包含超过 100 种框架、预训练模型和开发工具,旨在帮助企业加速采用 AI 前沿技术,并提供具有企业级安全性、可靠性、API 稳定性与支持的企业就绪型 MLOps。
加速版 MLOps 基础设施可部署到任何位置 — 从主流 NVIDIA 认证系统™ 和 DGX 系统到公有云,助力您的 AI 项目在当前日益增多的多云和混合云数据中心进行便携式部署。
了解 NVIDIA AI Enterprise 如何为行业用例提供支持,并通过精选示例快速开始 AI 开发。
汽车行业用例会组合多模态数据 (视频、RADAR/LIDAR、地理空间和遥测数据),并需要进行复杂的预处理和标记,最终目标是构建帮助人类驾驶员在道路和高速公路上更安全高效地通行的系统。
不出所料,汽车机器学习系统面临的诸多挑战均与数据联合、管护、标记以及训练模型在车内的边缘硬件上运行有关。但是,在物理世界中开展运营以及部署到经常断开连接的设备时,还会面临其他一些独特挑战。负责自动驾驶汽车机器学习的数据科学家必须在部署其模型之前模拟其行为,而机器学习工程师必须制定相应策略,以便部署无线更新,并从现场数据中识别普遍存在的问题或数据偏差。
在零售、媒体、广告和通用搜索用例等消费者和企业应用中,推荐系统无处不在。此类系统包含多个模型和基于规则的组件;它们还能处理海量数据,并可能造成重大经济影响。
由于推荐系统通常在高度动态的环境中进行部署,检索和评分模型可能需要每天进行多次重新训练,因此,数据科学家通常需要确定如何调整模型性能,以更大限度地满足业务指标。由于整个系统依赖于已训练模型 (用于查找相关建议并对筛选列表评分) 与业务规则 (用于筛选非相关建议并对最终结果排序) 之间的交互,因此这一过程会更为复杂。
有鉴于此,数据科学家需要灵活的环境,以便设计和跟踪实验,测试假设,并定义指标以在生产环境中进行监测。机器学习工程师需要工具来定义、执行和监控训练工作流,以及监测整体系统性能。
获取开始开发对话式 AI 应用所需的一切项目,包括最新文档、教程、技术博客等。
与 NVIDIA 产品专家交流,了解如何借助 NVIDIA AI Enterprise 的安全性、API 稳定性和支持,从试运行进入生产阶段。
注册以接收 NVIDIA 发布的最新资讯与动态。