通用計算、異構(gòu)計算、協(xié)同計算、邊緣計算等多元產(chǎn)品布局
寶德依托強大的研發(fā)能力以及豐富的行業(yè)經(jīng)驗，針對機器/深度學習科研、實訓教學等場景提供一站式解決方案?；谛碌脑O(shè)計理念，打造出一款功能完善的PLStack人工智能管理平臺，平臺能提供端到端的流程化管理，涵蓋數(shù)據(jù)標注、算法開發(fā)、模型訓練、模型管理、模型服務(wù)等AI完整生命周期流程支持。
PLStack平臺采用容器輕量級虛擬化方式作為基礎(chǔ)，實現(xiàn)對多集群多節(jié)點的GPU、CPU、內(nèi)存、存儲等基礎(chǔ)設(shè)施資源池化；基于Kubernetes定制化開發(fā)的編排調(diào)度工具，實現(xiàn)資源高效靈活調(diào)度；同時企業(yè)級設(shè)計理念使平臺具備多租戶多層級用戶管理、權(quán)限管理、資源管理、vGPU等豐富的平臺能力，全方位滿足用戶對AI開發(fā)平臺高可用、高可靠、高穩(wěn)定要求。大大緩解深度學習算法訓練的瓶頸，從而釋放人工智能的全新能力，讓用戶不再因為GPU的昂貴望而卻步。
平臺為用戶提供簡潔的WEB界面，豐富的功能以及多樣化工具。如開發(fā)模塊提供一鍵式環(huán)境生成、在線交互式開發(fā)工具Mlab；模型訓練提供參數(shù)調(diào)優(yōu)、分布式并行訓練等；模型服務(wù)提供在線模型部署推理、模型服務(wù)調(diào)用；平臺同時集成數(shù)據(jù)標注工具、鏡像倉庫等，實現(xiàn)一站式AI開發(fā)。
同時深度學習框架鏡像以插件的方式接入系統(tǒng)，集成了多種業(yè)界常用框架，如Tensorflow,Caffe,PyTorch和MXnet等，支持自定義擴展，極大提升整體系統(tǒng)的擴展性和可維護性。
異構(gòu)硬件融合和算力優(yōu)化，支持多種CPU和GPU卡，適配多種國產(chǎn)卡，同時集成多種主流的深度學習框架和交互式IDE開發(fā)環(huán)境，支持用戶自定義配置所需的開發(fā)環(huán)境。
借助容器、K8S等云計算技術(shù)打造的AI平臺再結(jié)合超強算力的GPU集群，提供高并行、高吞吐、低時延的極致性能，在科學計算表現(xiàn)中性能比傳統(tǒng)架構(gòu)提高50倍以上。
平臺支持服務(wù)器集群統(tǒng)一納管，整合硬件資源，集群化管理和使用。并以套餐的形式對用戶分配硬件資源。針對大模型可一鍵生成單機多卡、多機多卡等分布式訓練框架環(huán)境；針對多用戶小任務(wù)可對GPU進行切分使用，提高資源利用率。
平臺提供web端頁面交互，易用性強，支持對整體資源和局部資源可視化功能，便于易用和管理。
平臺提供彈性計算資源和算力優(yōu)化管理，根據(jù)需要創(chuàng)建的任務(wù)動態(tài)調(diào)整和分配所需的硬件資源和服務(wù)器；具備多層級組織架構(gòu)，可以對組織及用戶進行人員管理、資源配額、套餐限制等。
平臺預(yù)置PyTorch 、TensorFlow等多種深度學習開源框架，無需安裝配置環(huán)境，一鍵快速提交訓練任務(wù)。同時提供數(shù)據(jù)模型分析交互式開發(fā)工具MLab，并支持一鍵添加代碼、模型和數(shù)據(jù)集。
平臺包含數(shù)據(jù)標注、模型開發(fā)、模型訓練、模型管理、推理發(fā)布等一系列用戶開發(fā)所必需的功能模塊，相關(guān)模塊之間實現(xiàn)數(shù)據(jù)共享和一鍵導入，可以幫助用戶實現(xiàn)從數(shù)據(jù)-模型-推理服務(wù)的流程化轉(zhuǎn)化和產(chǎn)出。
平臺內(nèi)置LabelStudio標注工具，支持多用戶協(xié)助標注，可離線完成文本、圖片、視頻、時間序列等各種標注任務(wù)，內(nèi)置CV、NLP、ASP等多種標注方式并支持多種導出結(jié)果。
平臺支持設(shè)置用戶優(yōu)先級（5>4>3>2>1），優(yōu)先級高的用戶可以優(yōu)先使用平臺資源，提升平臺資源的使用效率；
高效的資源優(yōu)化調(diào)度和管理顯著地降低資源使用和運維成本，多種計費模式極大地降低前期投入。
平臺完善的環(huán)境隔離及網(wǎng)絡(luò)監(jiān)控服務(wù)，保障用戶數(shù)據(jù)和服務(wù)安全無虞。
寶德服務(wù)器
寶德自強
4008-870-872
點擊咨詢
