寶德定時備份系統PL-DBP
PL-DBP定時備份系統是真正中文界面并符合國內操作習慣的,可升級的、模塊化的高性能數據安全備份管理軟件,能夠適用在Windows、Linux、UNIX等不同的企業環境中進行數據備份/恢復、災難恢復。PL-DBP定時備份系統采用與眾不同的架構體系,引用模塊化概念,可分為備份服務器模塊、圖形化管理模塊、用戶管理模塊、日志管理模塊、數據備份管理模塊、應用代理管理模塊、存儲模塊、歸檔模塊等,提供多元化便捷管理。
通用計算、異構計算、協同計算、邊緣計算等多元產品布局
寶德依托強大的研發能力以及豐富的行業經驗,針對機器/深度學習科研、實訓教學等場景提供一站式解決方案?;谛碌脑O計理念,打造出一款功能完善的PLStack人工智能管理平臺,平臺能提供端到端的流程化管理,涵蓋數據標注、算法開發、模型訓練、模型管理、模型服務等AI完整生命周期流程支持。
PLStack平臺采用容器輕量級虛擬化方式作為基礎,實現對多集群多節點的GPU、CPU、內存、存儲等基礎設施資源池化;基于Kubernetes定制化開發的編排調度工具,實現資源高效靈活調度;同時企業級設計理念使平臺具備多租戶多層級用戶管理、權限管理、資源管理、vGPU等豐富的平臺能力,全方位滿足用戶對AI開發平臺高可用、高可靠、高穩定要求。大大緩解深度學習算法訓練的瓶頸,從而釋放人工智能的全新能力,讓用戶不再因為GPU的昂貴望而卻步。
平臺為用戶提供簡潔的WEB界面,豐富的功能以及多樣化工具。如開發模塊提供一鍵式環境生成、在線交互式開發工具Mlab;模型訓練提供參數調優、分布式并行訓練等;模型服務提供在線模型部署推理、模型服務調用;平臺同時集成數據標注工具、鏡像倉庫等,實現一站式AI開發。
同時深度學習框架鏡像以插件的方式接入系統,集成了多種業界常用框架,如Tensorflow,Caffe,PyTorch和MXnet等,支持自定義擴展,極大提升整體系統的擴展性和可維護性。
異構硬件融合和算力優化,支持多種CPU和GPU卡,適配多種國產卡,同時集成多種主流的深度學習框架和交互式IDE開發環境,支持用戶自定義配置所需的開發環境。
借助容器、K8S等云計算技術打造的AI平臺再結合超強算力的GPU集群,提供高并行、高吞吐、低時延的極致性能,在科學計算表現中性能比傳統架構提高50倍以上。
平臺支持服務器集群統一納管,整合硬件資源,集群化管理和使用。并以套餐的形式對用戶分配硬件資源。針對大模型可一鍵生成單機多卡、多機多卡等分布式訓練框架環境;針對多用戶小任務可對GPU進行切分使用,提高資源利用率。
平臺提供web端頁面交互,易用性強,支持對整體資源和局部資源可視化功能,便于易用和管理。
平臺提供彈性計算資源和算力優化管理,根據需要創建的任務動態調整和分配所需的硬件資源和服務器;具備多層級組織架構,可以對組織及用戶進行人員管理、資源配額、套餐限制等。
平臺預置PyTorch 、TensorFlow等多種深度學習開源框架,無需安裝配置環境,一鍵快速提交訓練任務。同時提供數據模型分析交互式開發工具MLab,并支持一鍵添加代碼、模型和數據集。
平臺包含數據標注、模型開發、模型訓練、模型管理、推理發布等一系列用戶開發所必需的功能模塊,相關模塊之間實現數據共享和一鍵導入,可以幫助用戶實現從數據-模型-推理服務的流程化轉化和產出。
平臺內置LabelStudio標注工具,支持多用戶協助標注,可離線完成文本、圖片、視頻、時間序列等各種標注任務,內置CV、NLP、ASP等多種標注方式并支持多種導出結果。
平臺支持設置用戶優先級(5>4>3>2>1),優先級高的用戶可以優先使用平臺資源,提升平臺資源的使用效率;
高效的資源優化調度和管理顯著地降低資源使用和運維成本,多種計費模式極大地降低前期投入。
平臺完善的環境隔離及網絡監控服務,保障用戶數據和服務安全無虞。