تجهیزات مخابراتی

دوشنبه - ۳۰ فروردین - ۱۴۰۰
,

   

Slider

پلتفرم هوش مصنوعی

بر بستر منابع پردازش گرافیکی

 

یکی از مهمترین دغدغه‌های محققان حوزه یادگیری ماشین و هوش مصنوعی فراهم آوری سخت افزار و بستر مورد نیاز جهت آموزش مدل‌های عمیق است، یکی از این سخت‌افزارها، واحدهای پردازش گرافیکی (GPU) است که به دلیل تعدد در قابلیت پردازش‌های موازی مدل‌ها و دیتا ست‌ها و سرعت مناسب برای پردازش عکس و ویدیو، از هزینه بالایی برخوردار است و شاید امکان در دسترس بودن چنین منابعی برای همگان فراهم نباشد، از طرفی می‌توان با مدیریت این منابع بر روی فضای ابری، امکان استفاده بهینه از این منابع را در اختیار کاربران این حوزه قرار داد.

فناوری هوش مصنوعی این امکان را می دهد تا توانایی‌های انسانی شامل درک، استدلال، برنامه‌ریزی، ارتباطات و پیش فرض، توسط نرم افزار به طور فزاینده ای موثر، کارآمد و با هزینه کم انجام شود.


پلتفرم‌های برجسته رایانش ابری، همگی در صدد آن هستند که هوش مصنوعی را بیش از پیش در اختیار همگان قرار دهند و برای افراد فعال در این حوزه، این بستر را در فضای ابری فراهم آورند.

AI Panel

 

قابلیت‌های شرکت صنایع ارتباطی پایا در زمینه پلتفرم هوش مصنوعی

 

پلتفرم هوش مصنوعی پایا با بهره گیری از تکنولوژی های روز دنیا در زمینه مجازی سازی با استفاده از تکنولوژی کانتینر و با بهره گیری از نرم افزارهای متن باز حوزه هوش مصنوعی و Machine learning و توسعه تخصصی آنها توانسته منابع پردازش گرافیکی را مدیریت کرده و بهره وری از آنها را در فضای ابری بهینه سازد و قابلیت توسعه را برای کاربران خود در فضای ابری فراهم سازد. از ویژگی های کلی این پلتفرم می‌توان به موارد زیر اشاره کرد:

paya AI Panel features

 

ویژگی‌های پلتفرم هوش مصنوعی پایا

 

بعد از تهیه داده‌ها (دیتاست) از طرق متفاوت، می توان آنها را به مدل‌های متفاوتی فیت و آموزش را صورت داد. البته گفتنی است که مدل استفاده شده می‌تواند:

  • طراحی خود کاربر
  • مدل‌های کابران دیگر
  • یا تعریف شده در سیستم باشد.

از آنجایی که کاربران مدل‌های خود را می توانند در اختیار دیگر کاربران قرار دهند می‌توانند به صورت یک مارکت، کسب درآمد کنند. لازم به ذکر است پلتفرم هوش مصنوعی پایا، محدود به مدل‌های یادگیری نیست از این رو می‌تواند مدل‌های یادگیری ماشین و عمیق (ژرف) را در این پلتفرم آموزش داد. رفته رفته می توان به این پی برد که می‌توان یادگیری انتقالی نیز صورت داد. رفته رفته می توان به این پی برد که می‌توان یادگیری انتقالی نیز صورت داد. هر کاربر بعد از خریداری مدل کاربر دیگر لایه‌های مدل را تغییر داده تا Hyper parameter های بهینه‌ای با داده‌های خود به دست آورد. به دلیل منعطف بودن پلتفرم، ارزیابی مدل‌ها از سوی کاربران آزادانه صورت می‌گیرد. به عنوان مثال کابران می‌توانند معیار دقت و ارزیابی را روی confusion matrix قرار دهند.

 

 

" پلتفرم هوش مصنوعی پایا، محدود به مدل‌های یادگیری نیست از این رو می‌تواند مدل‌های Machine learning و Deep Learning را در این پلتفرم آموزش داد. رفته رفته می توان به این پی برد که می‌توان یادگیری انتقالی نیز صورت داد. "

 

 

سامانه مدیریت منابع و سرویس

 

این سامانه دارای قابلیت های ذیل می باشد:

  • مدیریتGPU ها
  • مدیریت کلاسترGPU ها
  • سرویس بر پایه کانتینر
  • تقیسم بار پادهای مختلف بر رویGPU ها
  • کلاینت تست با قابلیت اجرا بر روی مرورگر

 

محیط کاربری جهت توسعه پروژه

  • قابلیت چند اجاره ای
  • مدیریت کاربران
  • احراز هویت کاربران
  • دسته بندی کاربران بر حسب نوع اشتراک

 

AI Panel 2
AI Panel 3

 

 

سرویس‌های قابل توسعه پلتفرم

 

از دیگر ویژگی‌های این پلتفرم، ارائهAPIجهت دسترسی به پلتفرم به عنوان سرویس است که مدیریت کل فرآیند تولید و استقرار را بدون نگرانی از بابت حفظ زیرساخت های خود و پرداخت هزینه جهت استفاده، آسان می کند و این امکان را برای شما فراهم می‌کند تا محصول خود را برای پروژه‌های با رشد سریع، مقیاس‌بندی کنید. اینAPI ها می‌توانند به صورت stateless  در اختیار کاربران قرار بگیرند.

رایج‌ترین سبک معماری برای سرویس‌های وب مدرن،REST می باشد. REST API ها برای دستیابی به عملکرد سریع، قابلیت اطمینان و توسعه از طریق کامپننت‌های reusable ، از پروتکل‌های stateless و عملکردهای استاندارد استفاده می‌کنند. در این پلتفرم با بهره‌گیری از این سبک معماری استاندارد بدون تأثیر بر کل سیستم، به راحتی مبادله، اصلاح و به روز رسانی‌ها انجام می‌شود. فرمت‌های پشتیبانی شده در این پلتفرم شامل موارد زیر می‌باشد:

  • Json
  • XML
  • YAML
AI Panel API

 

مانیتورینگ و بررسی وضعیت سامانه

 

از دیگر امکانات سامانه مدیریت می‌توانیم به موارد ذیل اشاره کرد:

  • گزارشات کنترل کاربران
  • نمایش درصد Resource های درگیر (CPU، GPU، RAM و ... )
  • گزارش عملکرد سیستم و کاربران
  • مانیتورینگ بلادرنگ بصری و مانیتورینگ آماری در گذر زمان
  • تعریف سازمان و ارگان های تخصصی برای استفاده ازResource های اختصاصی
  • ثبت سوابق
  • تعریف Image های جدید و Container ها

گفتنی است از طریق سامانه مدیریت می توان Session های منابع و تمامی اطلاعات را به صورت بصری نمایش داد. (گراف، میله، خطی و ... ) کلیه پنل های تعریف شده در هر سامانه از جدیدترین متدها و ساختارهای کد برای اجرا استفاده شده‌اند. از این رو می‌توان به قابل اجرا بود سامانه، در دو پلتفرم دسکتاپ و موبایل در بستر وبResponsive) ) اشاره داشت (پنل‌ها قابلیت تخصیص و سفارشی سازی برای هر شرکتی (کارفرما) را دارند).

AI Panel 5

 

ارائه سرویس صدور صورتحساب و پرداخت

 

پلتفرم هوش مصنوعی پایا برای مدیریت تخصیص منابع سخت افزاری و نرم‌افزاری به کاربران، دارای سطوح دسترسی متفاوتی می باشد. این بدین معناست که کاربران بعد از احراز هویت از طریق سامانه خدمات رسانی وارد سیستم می‌شوند و بنا به سطح دسترسی از خدمات این پلتفرم استفاده می‌کنند. سیستم بیلینگ، بر اساس سطح دسترسی کاربر میزان مصرف منابعGPU, CPU, Memory, Disk Usage , …) ) را در بازه زمانی‌های قابل تنظیم محاسبه نموده و بر این اساس صدور قبض انجام می‌پذیرد . در حالت دوم صدور قبض بر اساسper request برای مشترکین (مشترکین سازمانی) محاسبه می گردد. همچنین کاربران این سامانه می‌توانند از طرح‌های متفاوت (قابلیت تنظیم منابع قابل اختصاص در پنل ادمین) ماهانه، سالانه و ... با منابع متفاوت استفاده نمایند. همچنین کاربران (بر اساس سطح دسترسی یا طرح خود) می توانند از مدل های آموزش دیده افراد دیگر استفاده کرده یا آنها را خریداری نمایند.

تمامی این فرایندها به صورت کاملاً هوشمند و از طریق پنل مدیریتی برای ادمینِ سیستم قابل تنظیم می‌باشد، این قابلیت‌ها شامل موارد زیر می‌باشد:

  • قابلیت تنظیم و تخصیص منابع بر اساس طرح
  • قابلیت ایجاد و ادیت طرح‌های جدید
  • قابلیت ایجاد طرح per request
  • قابلیت زمانبندی طرح‌های تعریف شده
  • قابلیت اتصال بهESB همراه باAPI های لایه باز
  • قابلیت ایجادAPI های جدید جهت customization

 

خواندن 183 دفعه آخرین ویرایش در یکشنبه, 08 فروردين 1400 ساعت 17:16