UAI-Trainはトレーニング速度を12倍に高め、コンピューティングリソースの運用とメンテナンスの問題を解消します。

人工知能（AI）は、新たな産業変革の重要な分野となっています。マッキンゼーが今年6月に発表した報告書は、主に機械学習を通じて実現される人工知能が、15～20年以内に世界のすべての主要経済国の主要産業の基本的な支援手段となり、人類に14兆ドルの直接的な経済利益をもたらすと指摘した。

コンピューティングリソースの運用と保守の問題

UCloud のこのユーザーは、人工知能分野のデータ分析会社です。同社の研究開発本部は北京にあります。主なサービス対象は東ヨーロッパおよびその他のユーラシア諸国です。アルゴリズム モデルを通じて、さまざまなシナリオや大量のデータを迅速に統合して分析し、視覚的な分析チャートを出力して、顧客が必要な答えを見つけられるようにします。

同社のデータソースはすべて最終顧客から提供されているが、モデルの正確性と普遍性を検証するには、同社が独自に収集した公開データを使用して一般的なモデルをトレーニングする必要がある。ほぼ全員がデータ サイエンティストで構成されている企業にとって、必要なコンピューティング リソースの管理と維持は大きな問題です。

UAI-Trainに十分な計算能力

最近、UCloud は、コード管理、動作環境のメンテナンス、GPU の管理とメンテナンス、データ管理など、モデル トレーニング プロセスにおけるあらゆるリンクを解決し、ワンストップ PaaS ソリューションを提供する UAI-Train オンライン トレーニング製品をリリースしました。

（図：UAI-Train製品アーキテクチャ図）

UAI-Train は、AI トレーニング タスク用の大規模分散コンピューティング プラットフォームです。これは、UCloud の強力な GPU クラウド ホスト クラスター上に構築されており、AI トレーニング タスクに十分な計算能力を提供します。このプラットフォームは、ワンストップのトレーニング タスク ホスティング サービスを提供し、コンピューティング ノードのスケジュール設定、トレーニング環境の準備、データのアップロードとダウンロード、タスクの災害復旧を自動的に実装します。

AI トレーニング サービスは、実際のコンピューティング消費量に応じて支払われ、一般的に、画像認識、自然言語処理、音声認識などの一般的な AI モデル トレーニング シナリオに適用されます。

使用後の予想外の利益

同社は最近、UCloud プラットフォーム上で位置分類トレーニング タスクを実行しました。このタスクは合計 12 都市を対象とし、トレーニング画像の総量は約 100,000 枚、テスト画像は 2,000 枚、画像データ セットの総量は 30G で、inceptionv3 ネットワークを使用してトレーニングされました。

(UAI-Train モデルのトレーニング シナリオ: 写真による都市の識別)

このトレーニングの最大エポックは 50 で、約 15 エポックで早期停止が発生しました。 UAI-Train は 4 つの Nvidia P40 GPU リソースを使用し、合計トレーニング時間は 5 時間 10 分です。元々 6 つの CPU リソースを使用していた場合と比較すると、トレーニング速度は以前よりも約 12 倍高速になります。

UCloudは新しいコンピューティングリソースリースモデルを構築

UCloud の AI トレーニング サービスは、新しいコンピューティング リソース リース モデルです。ユーザーは高価な仮想 GPU サーバーを購入したりリースしたりする必要はありません。提供する必要があるのは Docker イメージとトレーニング データだけです。 UAI-Train は、トレーニング タスク用の実行環境 (Docker コンテナ) を自動的に作成し、GPU コンピューティング リソースを呼び出して、ユーザーに高性能コンピューティング サービスを提供できます。

ユーザーは、トレーニングのタイムアウトやシャットダウンの忘れによるレンタル料金の無駄を心配することなく、低価格でオンデマンドで GPU コンピューティング リソースを使用できます。トレーニング中、UAI-Train は TensorBoard またはコンソール ログを通じてトレーニング プロセスを監視できます。実際、Docker コンテナとして展開された UAI-Train サービスは、ユーザーが使い慣れている任意のプログラミング言語とフレームワークを使用してモデル化できます。