Искусственный интеллект (AI) и глубокое обучение (DL) позволяют предприятиям бороться с мошенничеством, улучшать взаимоотношения с заказчиками, оптимизировать цепочки поставок и развивать инновационные продукты и сервисы на высококонкурентном рынке.
Ваша компания может быть одной из многих, использующих решения на базе нейронный сетей для того, чтобы осуществить цифровую трансформацию и получить конкурентное преимущество.
Однако, для того, чтобы извлечь максимум преимуществ из глубокого обучения, необходимо прежде всего решить несколько ключевых проблем.

Сборка и интеграция компонент, таких как сервера, СХД и коммутаторы, приобретаемых по отдельности, увеличивает сложность и трудозатраты на внедрение. В результате, ценные ресурсы для исследователей данных простаивают.

Передовые практики для глубокого обучения рекомендуют, чтобы организации начинали с решений небольшого масштаба, и наращивали их по мере необходимости. Обычно, для AI задач используются сервера с внутренними дисками, чтобы максимально быстро подавать поток данных для обработки. Однако, масштабирование хранения с таким подходом невозможно без перебоев в работе.

ONTAP AI использует концепцию NetApp Data Fabric, чтобы объединить процесс управления данными на всем протяжении их жизненного цикла. Вы можете использовать единый набор инструментов для их безопасного контроля и защиты, не нарушая при этом регулирующих требований.
Если возникает проблема в окружении с нейронными сетями, то вы всегда сможете положиться на нашу проверенную модель поддержки с единым окном контакта, необходимой для решения проблем.

Быстрый темп инноваций усложняет дизайн эффективной AI инфраструктуры, но при помощи ONTAP AI вы можете избавиться от необходимости угадывать правильное решение, и сможете быстрее перейти к работе, благодаря проверенной эталонной архитектуре, распутывающей все проблемы.
Trident, драйвер обеспечивающий автоматизацию СХД NetApp в среде Kubernetes, ускоряет развертывание ONTAP AI, незаметным образом перенося ваши контейнерные образы в NetApp Flash СХД.

Обучающие циклы нейронных сетей нуждаются в массивных объемах вычислительной мощности. Более быстрая СХД, благодаря минимальным задержкам, позволит заметно ускорить обучение и повысить эффективность использования GPU серверов, сократив время ожидания отклика, которое заставляет процессоры работать вхолостую.
Всего один сервер DGX-1 обеспечивает более 1ПФлопс вычислительной мощности ИИ, что является эквивалентом целого ЦОД-а традиционных серверов.
Инвестиции в современные сервера требуют и современных СХД, способных справляться с десятками тысяч обучающих образов в секунду.
Для этого вам понадобится высокопроизводительное решение по хранению, способное справиться с самыми требовательными нагрузками.

Тестирование ONTAP AI при помощи данных ImageNet при сочетании 4х серверов NVIDIA DGX-1 и 1 СХД NetApp A800, показало обучающую пропускную способность 23000 изображения в секунду (training images per second - TIPS) и распознавательную пропускную способность 60000 TIPS. С этой конфигурацией можно ожидать более 2ГБ/сек установившейся полосы пропускания (до 5ГБ/сек в пиках) при времени отклика СХД заведомо ниже 1 мсек и утилизации GPU более 95%.
Одна система A800 поддерживает пропускную способность более 25ГБ/с на последовательном чтении и более 1 миллиона IOPS на случайном чтении при времени отклика менее 500 мкс на файловых нагрузках (NAS). Эти результаты показывают доступную производительность, которая может снабдить потоком данных намного больше серверов DGX-1 по мере роста требований.