Сервис для ML-разработки Yandex DataSphere доступен всем
Рассказываем о новых возможностях Yandex DataSphere, сервиса для ML-разработки, который 1 октября переходит со стадии Preview в общий доступ.
1 октября сервис для ML-разработки Yandex DataSphere становится доступен всем пользователям платформы Yandex.Cloud. DataSphere предоставляет все необходимые инструменты и динамически масштабируемые ресурсы для полного цикла разработки машинного обучения от эксперимента до запуска готовой модели в эксплуатацию.
DataSphere дает возможность реализовать все этапы проекта и при этом помогает значительно сэкономить за счет автоматического управления ресурсами:
-
Вам не нужно тратить время на создание и обслуживание виртуальных машин — вычислительные ресурсы выделяются автоматически при создании нового проекта или запуске вычислений.
-
Вы можете масштабировать ресурсы, не прерывая вычислительные процессы, в том числе бесшовно и за секунды переключаться между разными типами виртуальных машин: экономичными с CPU (обычными процессорами) и быстрыми с GPU (графическими ускорителями).
-
Вы платите только за фактически потребленные серверные мощности во время выполнения ваших задач, но не за простой виртуальной машины, просмотр или редактирование кода. Тарифицируется только время непосредственных расчетов: обучение моделей, запуск, другие вычисления, и в этом уникальное преимущество DataSphere.
Ещё одна уникальная функция DataSphere, которой нет в других облаках: сохранение версий расчетов моделей по трем измерениям — данные, код и состояние. Это сделает процесс разработки более гибким с точки зрения бизнеса — вы сможете вернуться к любому этапу без потери прогресса.
Создайте в консоли управления свой проект и работайте в привычном интерфейсе Jupyter® Notebook.
-
По умолчанию используется минимальный тип вычислительного ресурса (S, 4 cores). Вы можете увеличить конфигурацию до M (8 cores) или L (8 cores + 1 GPU).
-
После каждого изменения состояния датасфера сохраняет чекпойнты.
Вы можете сохранить полученное после вычисления первых двух ячеек состояние и добавить в pinned checkpoint. Позже вы можете вернуться к отложенному состоянию и продолжить работу с той же точки. -
Вы можете экспортировать сохраненное состояние — полученный в процессе работы промежуточный результат вычислений — и импортировать его в новый проект, например, для другого пользователя.
-
Также вы можете поделиться полученными результатами вычислений ссылкой.
