Cette intégration permet aux utilisateurs de tirer parti des capacités de deep learning pour les projets d’IA/ML du framework développé par Huawei au sein de la plateforme MLOps de Canonical.
Canonical, un leader de l’Open Source et l’éditeur d’Ubuntu annonce que Charmed Kubeflow, sa distribution de Kubeflow enterprise ready s’intègre maintenant avec le framework open source de deep learning MindSpore de Huawei.
Charmed Kubeflow est une plateforme MLOps de bout en bout avec des capacités optimisées d’entrainement de modèles complexes, conçue pour être utilisée avec Kubernetes. Faisant partie d’un ensemble robuste d’intégrations, la nouvelle intégration native avec MindSpore donne accès à des API unifiées et à des capacités d’IA de bout en bout pour le développement, l’exécution et le déploiement de modèles. MindSpore propose des modes d’exécution natifs de l’IA, utilisant pleinement la puissance de calcul fournie par le matériel de Huawei.
MindSpore : un cadre d’IA innovant largement adopté par l’industrie
Les partenaires industriels et les développeurs ont activement participé au développement de MindSpore depuis son passage en open source en 2020. MindSpore sert plus de 5 000 entreprises et a été téléchargé plus de 2,49 millions de fois. Plus de 6 600 développeurs ont contribué au code du programme, et plus de 110 universités et 40 instituts de recherche de premier plan ont utilisé MindSpore pour la recherche scientifique et l’enseignement.
MindSpore est optimisé pour le matériel Huawei, tel que Ascend/GPU/CPU, et peut être rapidement déployé dans des scénarios de cloud, de Edge et de mobile, permettant aux ingénieurs de développer des solutions pour un large éventail de cas d’utilisation. MindSpore fonctionne sur Jupyter Notebook, une plateforme informatique interactive basée sur le Web. Lors de la création du Notebook, les ingénieurs peuvent choisir l’image MindSpore dans la liste d’images par défaut de Jupyter Lab, affecter certaines ressources CPU et lancer une instance du Notebook qui peut exécuter MindSpore et le code de sa suite Vision pour réaliser des expériences d’apprentissage automatique.
Des intégrations robustes pour des MLOP à l’échelle
En fournissant une intégration native avec MindSpore et en collaborant avec Huawei sur ce projet open source, Canonical fournit à l’écosystème MLOPs un ensemble d’outils de plus en plus riche. Charmed Kubeflow s’intègre à plusieurs outils d’IA/ML, tels que MLFlow, qui fournit un registre central de modèles, et Spark, qui facilite le streaming de données. L’intégration de MindSpore donne accès aux diverses fonctionnalités de la solution, telles que la programmation et les opérateurs unifiés, le partitionnement automatique des modèles et les graphes de calcul dynamiques et statiques.
