术语表

云计算

探索云计算在人工智能/ML 方面的强大功能!高效扩展,更快地训练Ultralytics YOLO 模型,并以经济高效的方式无缝部署。

使用Ultralytics HUB 对YOLO 模型进行简单培训

了解更多

云计算是一种变革性技术,它通过互联网提供计算服务,包括服务器、存储、数据库、网络、软件、分析和智能,通常被称为 "云"。这种模式允许用户只需为其所使用的服务付费,从而实现了更快的创新、灵活的资源和规模经济。对于熟悉基本机器学习(ML)概念的人来说,云计算提供了一个功能强大且易于访问的平台,无需对物理硬件进行大量前期投资,即可开发、训练和部署模型。它降低了运营成本,并允许基础设施根据不断变化的需求进行有效扩展,正如NIST 等机构所定义的那样。

主要概念和优势

云计算简化了资源密集型应用程序的访问和部署,这对人工智能和 ML 任务尤其有利。用户可以利用AWSGoogle CloudAzure 等云提供商提供的按需技术服务,而无需管理物理数据中心。主要优势包括

  • 可扩展性:可根据项目需求轻松扩大或缩小计算资源,这对于处理大型数据集或可变推理负载至关重要。
  • 成本效益:现收现付的定价模式无需大量的硬件资本支出。
  • 可访问性:获取强大的计算资源,包括GPUTPU 等加速 ML 任务所必需的专用硬件。
  • 灵活性:从基本的存储和计算到复杂的 ML 平台和 API,有多种服务可供选择。
  • 更快的创新:专注于模型开发而非基础设施管理,加快部署周期。

人工智能/移动语言应用中的云计算

云计算是现代人工智能和 ML 工作流程的基础,它提供了必要的基础设施和工具。这里有两个例子:

  1. 大规模模型训练:训练复杂的模型,如 Ultralytics YOLO等复杂模型的训练往往需要巨大的计算能力和大型数据集。云平台可按需提供高性能计算资源。Ultralytics HUB 云培训等服务允许用户利用多个 GPU 或 TPU 的分布式培训功能,在不拥有昂贵硬件的情况下高效地培训模型
  2. 部署可扩展的推理服务:模型训练完成后,要将其部署到真实世界的应用中(如实时物体检测),就需要一个可扩展且可靠的基础设施。云提供商提供托管服务,将模型托管为 API 端点,可根据进入的流量自动扩展,确保性能和可用性的一致性。探索适合云环境的各种模型部署选项

云计算与相关术语

将云计算与相关概念区分开来很有帮助:

  • 边缘计算:云计算依赖于集中式数据中心,而边缘计算处理的数据更接近源头,如物联网设备或本地服务器。这种方法最大限度地减少了延迟,非常适合需要即时响应的应用,如自主系统。然而,云计算擅长大规模数据聚合和复杂计算,这在边缘计算中并不可行。进一步了解边缘计算原理
  • 无服务器计算:作为云计算的一个子集,无服务器计算完全抽象了服务器管理。开发人员将代码部署为函数,云提供商根据需求自动处理资源分配和扩展(如AWS Lambda)。虽然无服务器简化了事件驱动型应用的部署,但传统云计算提供了对底层基础设施的更多控制,这对于专门的 ML 工作负载来说可能是必要的。

结论

云计算为人工智能和 ML 的开发和部署提供了灵活、可扩展且经济高效的基础。通过利用云资源,研究人员和开发人员可以加速创建和应用Ultralytics 提供的先进模型,从而推动各行各业的创新。无论是训练复杂算法、部署推理服务,还是管理庞大的数据集,云计算都能提供必不可少的工具和基础设施。探索Ultralytics HUB,了解无缝模型管理和培训,或浏览Ultralytics 博客,了解由云原生计算基金会(CNCF)和云安全联盟 (Cloud Security Alliance)等组织支持的云基础设施驱动的人工智能趋势和解决方案。了解Ultralytics为各种业务需求量身定制的计算机视觉解决方案

阅读全部