top of page
Generatif (Beta) |. Memberikan berita dan tren terkini dalam AI generatif
logo.png

Hammerspace memperkenalkan arsitektur data unik untuk pelatihan LLM

Generatived

20/11/23, 21.32

Hammerspace, orkestrator terkemuka dari Next Data Cycle, mengumumkan arsitektur data unik untuk melatih inferensi model bahasa skala besar (LLM) dalam lingkungan hyperscale. Arsitektur inovatif ini adalah satu-satunya yang memungkinkan para insinyur AI untuk menciptakan arsitektur data terpadu yang menggabungkan kinerja sistem file paralel kelas superkomputer dengan kemudahan akses aplikasi dan penelitian ke NFS standar.

Keberhasilan strategi AI bergantung pada kemampuannya untuk menskalakan GPU dalam jumlah besar dan fleksibilitas untuk mengakses silo data lokal dan terdistribusi. Organisasi juga harus dapat menggunakan data terlepas dari perangkat keras atau infrastruktur cloud yang digunakan saat ini dan memiliki kontrol keamanan yang diperlukan untuk mempertahankan kebijakan tata kelola data. Persyaratan ini sangat penting dalam pengembangan LLM. LLM sering kali memerlukan penggunaan ratusan miliar parameter, puluhan ribu GPU, dan ratusan petabyte data tidak terstruktur dari berbagai jenis.

Hammerspace mengumumkan arsitektur terbukti yang secara unik memberikan kinerja, kemudahan penerapan, dan dukungan perangkat lunak dan perangkat keras berbasis standar yang diperlukan untuk memenuhi persyaratan unik saluran data dan penyimpanan data LLM. Sistem file berkinerja sangat tinggi milik perusahaan ini menggabungkan seluruh saluran data ke dalam satu sistem file global paralel, mengintegrasikan infrastruktur dan data yang ada dengan kumpulan data dan sumber daya baru saat ditambahkan.

Arsitektur Hammerspace menciptakan lingkungan data global terpadu dan berkinerja tinggi yang dapat menjalankan semua fase beban kerja pelatihan dan inferensi LLM secara bersamaan dan berkelanjutan. Hammerspace menyederhanakan beban kerja AI dengan memanfaatkan data pelatihan di mana pun data tersebut disimpan, meminimalkan kebutuhan untuk menyalin dan memindahkan file ke repositori baru yang terpadu. Pendekatan ini tidak hanya mengurangi overhead tetapi juga mengurangi risiko kesalahan dan ketidakakuratan dalam LLM. Pada tingkat aplikasi, data diakses melalui antarmuka file NFS standar, memberikan aplikasi akses langsung ke file format standar yang biasanya dirancang.

Bagikan artikel ini:

Tin tức mới nhất
Microsoftが医療AI拡大

Microsoftが医療AI拡大

5/10/26, 07.00

Microsoft(米国ワシントン州)は、ヘルスケアおよびライフサイエンス領域における人工知能ツールの導入事例と最新動向を発表した。

NVIDIAがC++基盤公開

NVIDIAがC++基盤公開

5/10/26, 07.00

NVIDIA(米国カリフォルニア州)は、ローカル環境のアプリケーションへAIモデルをネイティブ組み込みするための開発サンプル群『Do Inference Now (DIN) Deploy』をオープンソースとして公開した。

Microsoftがデータ基盤強化

Microsoftがデータ基盤強化

5/10/26, 07.00

Microsoft(米国ワシントン州)は、統合データプラットフォーム『Microsoft Fabric』およびデータベース関連機能の最新アップデートを発表した。

GoTymeが障害解析導入

GoTymeが障害解析導入

5/10/26, 07.00

GoTyme(ベトナムハノイ)は、Amazon Web Servicesを活用したAI生成の根本原因分析(RCA)ソリューションの構築を発表した。

Copyright © 2024 Generatived - All right Reserved.

Bagikan artikel ini:

Bagikan artikel ini:

Generatived

Hãy theo dõi chúng tôi

  • Facebook
  • X

Bahasa

Generatived là dịch vụ cung cấp thông tin và xu hướng chuyên về Generative AI. Chúng tôi sẽ cố gắng hết sức để cung cấp thông tin về thế giới đang thay đổi nhanh chóng.

Generatived AI Logo

Generatived adalah layanan yang memberikan informasi dan tren khusus dalam AI Generatif. Kami akan melakukan yang terbaik untuk menyampaikan informasi tentang dunia yang berubah dengan cepat.

  • Facebook
  • X

Ikuti kami

Bahasa

Berita terkini
Microsoftが医療AI拡大

Microsoftが医療AI拡大

5/10/26, 07.00

Microsoft(米国ワシントン州)は、ヘルスケアおよびライフサイエンス領域における人工知能ツールの導入事例と最新動向を発表した。

NVIDIAがC++基盤公開

NVIDIAがC++基盤公開

5/10/26, 07.00

NVIDIA(米国カリフォルニア州)は、ローカル環境のアプリケーションへAIモデルをネイティブ組み込みするための開発サンプル群『Do Inference Now (DIN) Deploy』をオープンソースとして公開した。

Microsoftがデータ基盤強化

Microsoftがデータ基盤強化

5/10/26, 07.00

Microsoft(米国ワシントン州)は、統合データプラットフォーム『Microsoft Fabric』およびデータベース関連機能の最新アップデートを発表した。

GoTymeが障害解析導入

GoTymeが障害解析導入

5/10/26, 07.00

GoTyme(ベトナムハノイ)は、Amazon Web Servicesを活用したAI生成の根本原因分析(RCA)ソリューションの構築を発表した。

bottom of page