课程咨询: 400-996-5531 / 投诉建议: 400-111-8989
认真做教育 专心促就业
云计算技术应用相信大家应该在许多项目中应该都见过的吧,今天我们就通过案例分析来简单了解一下,云计算技术应用表现形式分析。
1、混合服务
对数据中心进行大量投资的企业通常希望将其现有的应用程序和服务扩展到云平台中,而不是用云服务取代它们。主要的云计算供应商现在都提供了实现这一目标的方法,包括使用特定的混合服务(例如,可以跨越数据中心和云计算的数据库)以及连接到公有云的内部部署服务器和边缘云资源,通常称为混合云。
2、可扩展的机器学习训练和预测
机器学习训练(尤其是深度学习)通常需要数小时到数周的大量计算资源。另一方面,机器学习预测需要每秒钟的计算资源,除非进行批量预测。使用云计算资源通常是完成模型训练和预测的便捷方式。
3、云端GPU、TPU和FPGA
在CPU集群上,使用大型模型和非常大的数据集进行准确训练所需的深度学习通常需要一周以上的时间。GPU、TPU和FPGA都可以显著地缩短训练时间,并且将它们放在云端可以在需要时轻松使用它们。
4、预训练的人工智能服务
许多人工智能服务可以通过预训练模型很好地执行,例如语言翻译、文本到语音和图像识别。所有主要的云服务都提供基于稳健模型的预训练的人工智能服务。
5、可定制的人工智能服务
预训练的人工智能服务有时并不能完全满足用户的需求。迁移学习仅在现有模型之上训练几个神经网络层,与从头开始训练模型相比,它可以相对快速地为用户提供定制服务。同样,主要的云服务提供商都提供迁移学习,尽管他们的名字并不相同。
6、监控服务
所有云平台都支持至少一种监控服务,让用户轻松配置云服务进行监控。监控服务通常会显示一个图形仪表板,并且可以配置为通知用户异常的性能指标。
7、分布式服务
数据库并不是可以从以分布式方式运行中受益的服务,其面临的问题是延迟。如果计算资源远离数据或管理的进程,则发送和接收指令和信息需要很长时间。如果反馈回路中的延迟太高,则回路很容易失控。如果机器学习和数据之间的延迟太高,则执行训练所需的时间可能会增加。为了解决这个问题,云服务提供商提供连接的设备,可以将他们的服务扩展到客户的数据中心(混合云)或客户的工厂车间附近(边缘计算)。
8、边缘计算
将分析和机器学习在地理上靠近机器和现实世界对象(物联网)的需求产生了专门的设备,例如带有GPU和传感器的微型计算设备,以及支持它们的架构,例如作为边缘服务器、自动化平台和内容交付网络。终,这些设备都连接云端,但在边缘执行分析的能力可以显著地减少发送到云端的数据量,并减少延迟。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei456学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。