Варианты хранения рабочей нагрузки ИИ

Описание: Высокопроизводительные задачи ИИ и машинного обучения требуют столь же высокопроизводительного хранилища. В этом видео рассматриваются основные рекомендации Google Cloud по хранению данных, позволяющие поддерживать полную загрузку ваших дорогостоящих ускорителей как во время обучения ИИ, так и во время вывода данных. Мы подробно рассмотрим Managed Lustre с его непревзойденной пропускной способностью и Google Cloud Storage (GCS) с GCS FUSE и Anywhere Cache — гибкость и экономичность. Выберите подходящее решение для хранения данных, которое станет основой для ваших приложений ИИ.

Разделы:
0:00 — Введение
0:31 — Хранилище для обучения ИИ: Managed Lustre
1:19 — Альтернатива для обучения: Google Cloud Storage с GCS FUSE
2:08 — Хранилище для вывода: GCS с Anywhere Cache
2:32 — Альтернатива для вывода: Managed Lustre
2:55 — Обзор рекомендаций по хранению
3:25 — Заключение

Ресурсы:
Высокопроизводительная параллельная файловая система → https://goo.gle/ra-managed-lustre
Оптимизация рабочих нагрузок ИИ и МО с помощью Cloud Storage FUSE → https://goo.gle/ra-gcs-fuse

Подпишитесь на Google Cloud Tech → https://goo.gle/GoogleCloudTech

#GoogleCloud #GCSFUSE #CloudStorage

Докладчик: Дрю Браун
Упоминаемые продукты: ИИ-инфраструктура, облачное хранилище