确保人工智能基础设施中的再现性制造技术

确保包括一个或多个存储系统和一个或多个图形处理单元(‘GPU’)服务器的人工智能基础设施中的再现性，包括：由统一管理平面识别由人工智能基础设施应用于数据集的一个或多个转换，其中，将一个或多个转换应用于数据集使得人工智能基础设施生成转换数据集；在一个或多个存储系统内存储描述数据集、应用于数据集的一个或多个转换、以及转换数据集的信息；由统一管理平面识别由人工智能基础设施使用转换数据集作为输入而执行的一个或多个机器学习模型；以及在一个或多个存储系统内存储描述使用转换数据集作为输入而执行的一个或多个机器学习模型的信息。

Ensure reproducibility in AI infrastructure

【技术实现步骤摘要】
【国外来华专利技术】确保人工智能基础设施中的再现性附图说明图1A示出了根据一些实施方式的用于数据存储的第一示例系统。图1B示出了根据一些实施方式的用于数据存储的第二示例系统。图1C示出了根据一些实施方式的用于数据存储的第三示例系统。图1D示出了根据一些实施方式的用于数据存储的第四示例系统。图2A是根据一些实施例的存储集群的透视图，存储集群具有多个存储节点以及耦合到每个存储节点以提供网络附接存储装置的内部存储装置。图2B是示出根据一些实施例的耦合多个存储节点的互连开关的框图。图2C是多级框图，示出了根据一些实施例的存储节点的内容和非易失性固态存储单元之一的内容。图2D示出了根据一些实施例的存储服务器环境，其使用一些先前附图的存储节点和存储单元的实施例。图2E是刀片(blade)硬件框图，示出了根据一些实施例的控制平面、计算和存储平面、以及与基础物理资源交互的权限(authority)。图2F描绘了根据一些实施例的存储集群的刀片中的弹性软件层。图2G描绘了根据一些实施例的存储集群的刀片中的权限和存储资源。图本文档来自技高网...

【技术保护点】
1.一种确保人工智能基础设施中的再现性的方法，所述人工智能基础设施包括一个或多个存储系统和一个或多个图形处理单元(‘GPU’)服务器，所述方法包括：/n由统一管理平面识别由所述人工智能基础设施应用于数据集的一个或多个转换，其中，将所述一个或多个转换应用于所述数据集使得所述人工智能基础设施生成转换数据集；/n在所述一个或多个存储系统内存储描述所述数据集、应用于所述数据集的所述一个或多个转换、以及所述转换数据集的信息；/n由所述统一管理平面识别由所述人工智能基础设施使用所述转换数据集作为输入而执行的一个或多个机器学习模型；以及/n在所述一个或多个存储系统内存储描述使用所述转换数据集作为输入而执行的...

【技术特征摘要】
【国外来华专利技术】20171019 US 62/574,534;20171024 US 62/576,523;20171.一种确保人工智能基础设施中的再现性的方法，所述人工智能基础设施包括一个或多个存储系统和一个或多个图形处理单元(‘GPU’)服务器，所述方法包括：
由统一管理平面识别由所述人工智能基础设施应用于数据集的一个或多个转换，其中，将所述一个或多个转换应用于所述数据集使得所述人工智能基础设施生成转换数据集；
在所述一个或多个存储系统内存储描述所述数据集、应用于所述数据集的所述一个或多个转换、以及所述转换数据集的信息；
由所述统一管理平面识别由所述人工智能基础设施使用所述转换数据集作为输入而执行的一个或多个机器学习模型；以及
在所述一个或多个存储系统内存储描述使用所述转换数据集作为输入而执行的一个或多个机器学习模型的信息。


2.根据权利要求1所述的方法，其中，在所述一个或多个存储系统内存储描述所述数据集、应用于所述数据集的所述一个或多个转换、以及所述转换数据集的信息还包括：
通过由所述人工智能基础设施将预定散列函数应用于所述数据集、应用于所述数据集的所述一个或多个转换、以及所述转换数据集来生成散列值；以及
在所述一个或多个存储系统内存储所述散列值。


3.根据权利要求1所述的方法，其中，在所述一个或多个存储系统内存储描述使用所述转换数据集作为输入而执行的一个或多个机器学习模型的信息还包括：
通过由所述人工智能基础设施将预定散列函数应用于所述一个或多个机器学习模型和所述转换数据集来生成散列值；以及
在所述一个或多个存储系统内存储所述散列值。


4.根据权利要求1所述的方法，还包括：
由所述统一管理平面识别机器学习模型与先前由所述人工智能基础设施执行的机器学习模型之间的差异；以及
在所述一个或多个存储系统内存储所述机器学习模型的仅与所述先前由所述人工智能基础设施执行的机器学习模型不同的部分。


5.根据权利要求1所述的方法，还包括：
由所述人工智能基础设施确定与先前执行的机器学习模型有关的数据是否应从所述一个或多个存储系统中分层；以及
响应于确定与所述先前执行的机器学习模型有关的所述数据应从所述一个或多个存储系统中分层：
将与所述先前执行的机器学习模型有关的所述数据存储在较低层存储中；以及
从所述一个或多个存储系统中移除与所述先前执行的机器学习模型有关的所述数据。


6.根据权利要求1所述的方法，还包括：从多个机器学习模型中识别优选机器学习模型。


7.根据权利要求1所述的方法，还包括：追踪特定机器学习模型随时间的改进。


8.一种人工智能基础设施，所述人工智能基础设施包括一个或多个存储系统和一个或多个图形处理单元(‘GPU’)服务器，所述人工智能基础设施被配置为执行以下步骤：
由统一管理平面识别由所述人工智能基础设施应用于数据集的一个或多个转换，其中，将所述一个或多个转换应用于所述数据集使得所述人工智能基础设施生成转换数据集；
在所述一个或多个存储系统内存储描述所述数据集、应用于所述数据集的所述一个或多个转换、以及所述转换数据集的信息；
由所述统一管理平面识别由所述人工智能基础设施使用所述转换数据集作为输入而执行的一个或多个机器学习模型；以及
在所述一个或多个存储系统内存储描述使用所述转换数据集作为输入而执行的一个或多个机器学习模型的信息。


9.根据权利要求8所述的人工智能基础设施，其中，在所述一个或多个存储系统内存储描述所述数据集、应用于所述数据集的所述一个或多个转换、以及所述转换数据集的信息还包括：
通过由所述人工智能基础设施将预定散列函数应用于下述项来生成散列值：应用于所述数据集的所述一个或多个转换和所述转换数据集；以及
在所述一个或多个存储系统内存储所述散列值。


10.根据权利要求8所述的人工智能基础设施，其中，在所述一个或多个存储系统内存储描述使用所述转换数据集作为输入而执行的一个或多个机器学习模型的信息还包括：
通过由所述人工智...

【专利技术属性】
技术研发人员：布瑞恩·金，艾米丽·沃特金斯，伊凡·吉巴贾，伊戈尔·奥斯特洛夫斯基，罗伊·基姆，
申请(专利权)人：净睿存储股份有限公司，
类型：发明
国别省市：美国;US