تفاصيل Run:ai

تشغيل:ai Dev

تسريع تطوير الذكاء الاصطناعي ووقت الوصول إلى السوق

• أطلق مساحات عمل مخصصة باستخدام الأدوات والأطر المفضلة لديك.
• وضع المهام المجمعة في قائمة الانتظار وتشغيل التدريب الموزع باستخدام سطر أوامر واحد.
• نشر نماذج الاستدلال وإدارتها من مكان واحد.

النظام البيئي

تعزيز توفر وحدة معالجة الرسومات ومضاعفة العائد على استثمارك في الذكاء الاصطناعي

• أعباء العمل
• الأصول
• المقاييس
• المسؤول
• المصادقة والترخيص

تشغيل:ai API

• أعباء العمل
• الأصول
• المقاييس
• المسؤول
• المصادقة والترخيص

تشغيل:طائرة التحكم بالذكاء الاصطناعي

النشر على البنية الأساسية الخاصة بك؛ سحاب. محليًا. فجوة الهواء.

• إدارة المجموعات المتعددة
• لوحات المعلومات والتقارير
• إدارة عبء العمل
• سياسة الوصول إلى الموارد
• سياسة عبء العمل
• التفويض والتحكم في الوصول

تشغيل: محرك الذكاء الاصطناعي العنقودي

تعرف على مجموعة الذكاء الاصطناعي الجديدة الخاصة بك؛ مستعمل. قابلة للتطوير. تحت السيطرة.

• برنامج جدولة أحمال العمل بالذكاء الاصطناعي
• تجميع العقدة
• تنسيق الحاوية
• تجزئة وحدة معالجة الرسومات
• عقد وحدة معالجة الرسومات
• عقد وحدة المعالجة المركزية
• التخزين
• الشبكة

CLI وGUI

يوفر Run:ai واجهة سطر أوامر (CLI) سهلة الاستخدام وواجهة مستخدم رسومية شاملة (GUI) لإدارة أعباء عمل الذكاء الاصطناعي والبنية الأساسية. توفر واجهة سطر الأوامر (CLI) إمكانات تحكم وبرمجة نصية متقدمة، بينما توفر واجهة المستخدم الرسومية (GUI) تجربة مرئية بديهية لمراقبة النظام الأساسي وتكوينه والتفاعل معه.

مساحات العمل

مساحات العمل هي بيئات معزولة حيث يمارس ممارسو الذكاء الاصطناعي يمكنهم العمل على مشاريعهم. يتم تكوين مساحات العمل هذه مسبقًا بالأدوات والمكتبات والتبعيات اللازمة، مما يؤدي إلى تبسيط عملية الإعداد وضمان الاتساق بين الفرق. يمكن تخصيص مساحات العمل لتلبية متطلبات مشروع محددة ويمكن استنساخها بسهولة أو مشاركتها مع المتعاونين.

الأدوات

يوفر Run:ai مجموعة من الأدوات المصممة لتعزيز كفاءة وإنتاجية تطوير الذكاء الاصطناعي. توفر الأدوات ميزات مثل تكامل Jupyter Notebook وتصور TensorBoard وتتبع النماذج. تعمل هذه الأدوات على تبسيط سير العمل، وتبسيط تحليل البيانات، وتحسين التعاون بين أعضاء الفريق.

أطر العمل مفتوحة المصدر

يدعم Run:ai مجموعة واسعة من أطر عمل الذكاء الاصطناعي الشائعة مفتوحة المصدر، بما في ذلك TensorFlow. وباي تورتش وجاكس وكيراس. يتيح ذلك للمطورين الاستفادة من أدواتهم ومكتباتهم المفضلة دون الحاجة إلى تكييف قاعدة التعليمات البرمجية الحالية الخاصة بهم مع نظام أساسي متخصص.

كتالوج LLM

يقدم Run:ai كتالوج LLM، وهو عبارة عن مجموعة منسقة من نماذج اللغات الكبيرة الشائعة (LLMs) والتكوينات المقابلة لها. يسهّل هذا الكتالوج نشر وتجربة أحدث برامج LLM، مما يؤدي إلى تسريع عملية تطوير تطبيقات الذكاء الاصطناعي التي تستفيد من إمكانات معالجة اللغة المتقدمة.

أعباء العمل

التشغيل: تسمح منصة AI بالإدارة الفعالة لأحمال عمل الذكاء الاصطناعي المتنوعة، بما في ذلك:
* **التدريب:** يعمل Run:ai على تحسين وظائف التدريب الموزعة، مما يسمح لك بتدريب النماذج بشكل فعال على مجموعات البيانات الكبيرة عبر وحدات معالجة الرسومات المتعددة.
* **الاستدلال:** يعمل Run:ai على تبسيط نشر النماذج والاستدلال، مما يتيح لك نشر النماذج للتنبؤات في الوقت الفعلي أو معالجة الدُفعات.
* **مزارع أجهزة الكمبيوتر المحمولة:** يدعم Run:ai إنشاء مجموعات أجهزة كمبيوتر محمولة قابلة للتطوير وإدارتها، مما يوفر بيئة تعاونية لاستكشاف البيانات وإنشاء النماذج الأولية.
* **المشاريع البحثية:** تم تصميم Run:ai لتسهيل أنشطة البحث، وتوفير منصة لتجربة النماذج والخوارزميات والتقنيات الجديدة.

الأصول

يتيح Run:ai للمستخدمين إدارة أصول الذكاء الاصطناعي ومشاركتها، بما في ذلك:
* **النماذج:** تخزين النماذج المدربة وإصدارها لسهولة الوصول إليها ونشرها.
* **مجموعات البيانات:** قم بتخزين مجموعات البيانات الكبيرة وإدارتها للاستخدام الفعال في وظائف التدريب.
* **الكود:** شارك وتعاون في الكود المتعلق بمشاريع الذكاء الاصطناعي.
* **التجارب:** تتبع ومقارنة نتائج تجارب الذكاء الاصطناعي المختلفة.

المقاييس

يوفر Run:ai إمكانات مراقبة وإعداد تقارير شاملة، مما يسمح للمستخدمين بتتبع المقاييس الرئيسية المتعلقة بأعباء عمل الذكاء الاصطناعي والبنية التحتية الخاصة بهم. يتضمن ذلك:
* **استخدام وحدة معالجة الرسومات:** مراقبة استخدام وحدات معالجة الرسومات عبر المجموعة، مما يضمن تخصيص الموارد بكفاءة.
* **أداء عبء العمل:** تتبع أداء وظائف التدريب والاستدلال، وتحديد الاختناقات وفرص التحسين.
* **استهلاك الموارد:** مراقبة استخدام وحدة المعالجة المركزية والذاكرة والشبكة، وتوفير رؤى حول استخدام الموارد واستراتيجيات التحسين المحتملة.

المسؤول

يوفر Run:ai أدوات إدارية لإدارة النظام الأساسي ومستخدميه، بما في ذلك:
* **إدارة المستخدم:** التحكم في حقوق الوصول والأذونات لمستخدمين مختلفين أو مجموعات.
* **تكوين المجموعة:** قم بتكوين موارد الأجهزة والبرامج داخل مجموعة الذكاء الاصطناعي.
* **إنفاذ السياسات:** تحديد سياسات تخصيص الموارد وتنفيذها لضمان العدالة والكفاءة.

المصادقة والتفويض

يوفر Run:ai آليات مصادقة وتفويض آمنة للتحكم في الوصول إلى الموارد والبيانات الحساسة. يتضمن ذلك:
* **الدخول الموحد (SSO):** التكامل مع موفري الهوية الحاليين لمصادقة المستخدم بسلاسة.
* **التحكم في الوصول على أساس الدور (RBAC):** حدد الأدوار بأذونات محددة، مما يضمن التحكم الدقيق في الوصول إلى الموارد.
* **المصادقة متعددة العوامل (MFA):** تعزيز الأمان من خلال طلب عوامل متعددة لتسجيل دخول المستخدم.

إدارة المجموعات المتعددة

يتيح Run:ai إدارة مجموعات الذكاء الاصطناعي المتعددة من مستوى التحكم المركزي. يتيح ذلك للمؤسسات:
* **توحيد الموارد:** تجميع الموارد عبر مجموعات مختلفة، مما يوفر رؤية موحدة للقدرات المتاحة.
* **توحيد سير العمل:** تطبيق سياسات وتكوينات متسقة عبر مجموعات متعددة.
* **تحسين الاستخدام:** توزيع عبء العمل عبر المجموعات لتحقيق التخصيص الأمثل للموارد.

لوحات المعلومات والتقارير

يوفر Run:ai لوحات معلومات وأدوات إعداد تقارير قوية لتصور المقاييس الرئيسية وتتبع أداء عبء العمل والحصول على رؤى حول استخدام الموارد. تتضمن هذه الإمكانيات:
* **المراقبة في الوقت الفعلي:** تتبع استخدام وحدة معالجة الرسومات، وتقدم عبء العمل، واستخدام الموارد في الوقت الفعلي.
* **التحليلات التاريخية:** تحليل البيانات التاريخية لتحديد الاتجاهات وتحسين تخصيص الموارد وتحسين أداء عبء العمل.
* **لوحات معلومات قابلة للتخصيص:** أنشئ لوحات تحكم مخصصة مصممة خصيصًا لتلبية الاحتياجات ووجهات النظر المحددة.

إدارة أعباء العمل

يعمل Run:ai على تبسيط إدارة أعباء عمل الذكاء الاصطناعي، بما في ذلك:
* **الجدولة:** أتمتة جدولة وتنفيذ وظائف التدريب والاستدلال.
* **تحديد الأولويات:** قم بتعيين الأولويات لأعباء العمل لضمان إكمال المهام المهمة أولاً.
* **تخصيص الموارد:** تخصيص الموارد (وحدات معالجة الرسومات، ووحدات المعالجة المركزية، والذاكرة) لأحمال العمل بناءً على احتياجاتها وأولوياتها.

سياسة الوصول إلى الموارد

يوفر Run:ai محركًا مرنًا لسياسة الوصول إلى الموارد يسمح للمؤسسات بتحديد وتنفيذ القواعد التي تحكم كيفية وصول المستخدمين إلى موارد المجموعة واستخدامها. يتيح ذلك:
* **تخصيص الحصة العادلة:** التأكد من تخصيص الموارد بشكل عادل بين المستخدمين والفرق.
* **إدارة الحصص:** قم بتعيين حدود لاستخدام الموارد لمنع الاستهلاك الزائد وضمان التخصيص الفعال.
* **تنفيذ الأولويات:** إعطاء الأولوية للوصول إلى الموارد بناءً على أدوار المستخدم أو أهمية عبء العمل.

سياسة عبء العمل

يدعم Run:ai إنشاء سياسات عبء العمل، وتحديد القواعد والإرشادات لإدارة أعباء عمل الذكاء الاصطناعي. وهذا يمكّن المؤسسات من:
* **توحيد مسارات العمل:** إنشاء مسارات عمل متسقة وأفضل الممارسات لتشغيل أعباء عمل الذكاء الاصطناعي.
* **أتمتة المهام:** أتمتة عمليات إدارة عبء العمل الشائعة، مثل تخصيص الموارد والجدولة.
* **تحسين الأمان:** فرض السياسات لضمان الامتثال للمعايير واللوائح الأمنية.

التفويض والتحكم في الوصول

يستخدم Run:ai آليات قوية للتفويض والتحكم في الوصول لتأمين الوصول إلى الموارد والبيانات، بما في ذلك:
* **أذونات دقيقة:* * منح أذونات محددة للمستخدمين أو المجموعات، مما يوفر تحكمًا دقيقًا في الوصول إلى الموارد.
* **التدقيق والتسجيل:** تتبع إجراءات المستخدم وأنماط الوصول، مما يوفر سجل تدقيق لأغراض الأمان والامتثال.
* **التكامل مع أدوات الأمان الموجودة:** دمج Run:ai مع أنظمة الأمان الحالية للإدارة والتحكم المركزيين.

برنامج جدولة أعباء عمل الذكاء الاصطناعي

تم تصميم برنامج جدولة أعباء عمل الذكاء الاصطناعي الخاص بـ Run:ai خصيصًا لتحسين إدارة الموارد لدورة حياة الذكاء الاصطناعي بأكملها، مما يمكّنك من:
* **الجدولة الديناميكية:* * تخصيص الموارد ديناميكيًا لأعباء العمل بناءً على الاحتياجات والأولويات الحالية.
* **تجميع وحدة معالجة الرسومات:** يمكنك دمج موارد وحدة معالجة الرسومات في مجموعات، مما يسمح بالتخصيص المرن لأحمال العمل المتنوعة.
* **جدولة الأولويات:** تأكد من تخصيص الموارد للمهام المهمة أولاً، مما يؤدي إلى تحسين الإنتاجية الإجمالية لمجموعة الذكاء الاصطناعي.

تجميع العقد

يقدم Run:ai مفهوم Node Pooling، مما يسمح للمؤسسات بإدارة مجموعات الذكاء الاصطناعي غير المتجانسة بسهولة. توفر هذه الميزة:
* **تكوين المجموعة:** تحديد الحصص والأولويات والسياسات على مستوى مجمع العقد لإدارة تخصيص الموارد.
* **إدارة الموارد:** ضمان التخصيص العادل والفعال للموارد داخل المجموعة، مع الأخذ في الاعتبار عوامل مثل نوع وحدة معالجة الرسومات، والذاكرة، ونواة وحدة المعالجة المركزية.
* **توزيع أحمال العمل:** تخصيص أحمال العمل لمجموعات العقد المناسبة بناءً على متطلبات الموارد الخاصة بها.

تنسيق الحاويات

يتكامل Run:ai بسلاسة مع منصات تنسيق الحاويات مثل Kubernetes، مما يتيح نشر وإدارة أعباء عمل الذكاء الاصطناعي الموزعة في حاويات. يوفر ذلك ما يلي:
* **القياس التلقائي:** قم بتوسيع أعباء عمل الذكاء الاصطناعي لأعلى أو لأسفل بسلاسة بناءً على الطلب.
* **توفر عالي:** تأكد من أن أعباء عمل الذكاء الاصطناعي تظل متاحة حتى في حالة فشل العقد الفردية.
* **النشر المبسط:** يمكنك نشر أعباء عمل الذكاء الاصطناعي وإدارتها باستخدام الصور الموجودة في حاويات، مما يعزز إمكانية النقل وإمكانية التكرار.

تجزئة وحدة معالجة الرسومات

تسمح لك تقنية تجزئة وحدة معالجة الرسومات الخاصة بـ Run:ai بتقسيم وحدة معالجة رسومات واحدة إلى أجزاء متعددة، مما يوفر طريقة فعالة من حيث التكلفة لتشغيل أعباء العمل التي تتطلب جزءًا فقط من وحدة معالجة الرسومات موارد. هذه الميزة:
* **تزيد من كفاءة التكلفة:** تتيح لك تشغيل المزيد من أعباء العمل على نفس البنية الأساسية من خلال مشاركة موارد وحدة معالجة الرسومات.
* **تبسيط إدارة الموارد:** تبسيط عملية تخصيص موارد وحدة معالجة الرسومات لأعباء العمل المتنوعة ذات المتطلبات المختلفة.
* **يحسن الاستخدام:** يزيد من الاستفادة من وحدات معالجة الرسومات، ويقلل وقت الخمول ويزيد الكفاءة.

عقد وحدة معالجة الرسومات

يدعم Run:ai مجموعة واسعة من عقد وحدة معالجة الرسومات من الموردين الرائدين، بما في ذلك NVIDIA وAMD وIntel. ويضمن ذلك التوافق مع مجموعة متنوعة من تكوينات الأجهزة ويسمح للمؤسسات باستخدام البنية التحتية الحالية أو تحديد وحدات معالجة الرسومات الأكثر ملاءمة لاحتياجاتها الخاصة.

عقد وحدة المعالجة المركزية

بالإضافة إلى عقد وحدة معالجة الرسومات، تشغيل :ai يدعم أيضًا عقد وحدة المعالجة المركزية (CPU) للمهام التي لا تتطلب تسريع GPU. يتيح ذلك للمؤسسات الاستفادة من البنية التحتية الحالية لوحدة المعالجة المركزية (CPU) أو استخدام موارد وحدة المعالجة المركزية (CPU) الأكثر فعالية من حيث التكلفة لمهام محددة.

التخزين

يتكامل Run:ai مع حلول التخزين المتنوعة، بما في ذلك NFS وGlusterFS وceph. والأقراص المحلية. تسمح هذه المرونة للمؤسسات باختيار حل تخزين يلبي متطلبات الأداء وقابلية التوسع والتكلفة على أفضل وجه.

الشبكة

تم تصميم Run:ai للعمل بكفاءة على شبكات النطاق الترددي العالي، تمكين النقل الفعال للبيانات بين العقد وتنفيذ أعباء عمل الذكاء الاصطناعي الموزعة. يمكن أيضًا نشر Run:ai في البيئات المعزولة، حيث لا يوجد اتصال بالإنترنت، مما يضمن أمان البيانات الحساسة وعزلها.

أجهزة الكمبيوتر المحمولة عند الطلب

دفاتر الملاحظات الخاصة بـ Run:ai تتيح ميزة On Demand للمستخدمين إمكانية تشغيل مساحات عمل تم تكوينها مسبقًا باستخدام الأدوات والأطر المفضلة لديهم، بما في ذلك Jupyter Notebook وPyCharm وVS Code. هذا:
* **يُسهِّل عملية الإعداد:** يمكنك تشغيل مساحات العمل بسرعة دون الحاجة إلى تثبيت التبعيات يدويًا.
* **يضمن الاتساق:** يوفر بيئات متسقة عبر الفرق والمشاريع.
* **يعزز التعاون:** شارك وتعاون في مساحات العمل بسلاسة مع أعضاء الفريق.

التدريب والضبط الدقيق

يعمل Run:ai على تبسيط عملية التدريب وضبط نماذج الذكاء الاصطناعي:
* **الوظائف المجمعة في قائمة الانتظار:** جدولة الدفعة وتشغيلها وظائف التدريب مع سطر أوامر واحد.
* **التدريب الموزع:** تدريب النماذج بشكل فعال على مجموعات البيانات الكبيرة عبر وحدات معالجة الرسومات المتعددة.
* **تحسين النموذج:** تحسين معلمات التدريب والمعلمات الفائقة لتحسين الأداء.

برامج LLM خاصة

يتيح Run:ai للمستخدمين نشر وإدارة دورات LLM الخاصة بهم، وهي نماذج مدربة خصيصًا يمكن استخدامها لتطبيقات محددة. يتيح ذلك:
* **نشر النماذج:** نشر نماذج LLM للاستدلال وإنشاء استجابات مخصصة.
* **إدارة النماذج:** تخزين نماذج LLM وإصدارها وإدارتها لسهولة الوصول إليها والتحديثات.
* **خصوصية البيانات:** حافظ على سرية بيانات المستخدم وأمانها داخل البنية التحتية للمؤسسة.

NVIDIA & Run:ai Bundle

لقد تعاونت Run:ai وNVIDIA لتقديم حل متكامل تمامًا لأنظمة DGX، مما يوفر الحل الكامل الأكثر أداءً لأحمال عمل الذكاء الاصطناعي. هذه الحزمة:
* ** تعمل على تحسين أداء DGX: ** تستفيد من إمكانيات Run:ai لتعظيم الاستفادة من أجهزة DGX وأدائها.
* **تبسيط الإدارة:** توفير منصة واحدة لإدارة موارد DGX وأحمال عمل الذكاء الاصطناعي.
* **تسريع تطوير الذكاء الاصطناعي:** يمكّن المؤسسات من تسريع مبادرات الذكاء الاصطناعي الخاصة بها من خلال حل متماسك.

النشر على البنية الأساسية الخاصة بك؛ سحاب. محليًا. Air-Gapped.

يدعم Run:ai مجموعة واسعة من بيئات النشر، مما يوفر خيارات مرنة للمؤسسات ذات متطلبات البنية التحتية المختلفة. يتضمن ذلك:
* **عمليات النشر السحابية:** نشر Run:ai على موفري الخدمات السحابية الرئيسيين، مثل AWS وAzure وGoogle Cloud، مما يسمح لك بالاستفادة من خدماتهم ومواردهم.
* **عمليات النشر المحلية:** انشر Run:ai على البنية الأساسية للأجهزة لديك، مما يوفر تحكمًا كاملاً في بيئة الذكاء الاصطناعي لديك.
* **عمليات النشر الهوائية:** انشر Run:ai في بيئات معزولة بدون اتصال بالإنترنت، مما يضمن أمان بياناتك وسلامتها.

أي أداة وإطار عمل لتعلم الآلة

تم تصميم Run:ai للعمل مع مجموعة واسعة من أدوات وأطر تعلم الآلة، بما في ذلك:
* **TensorFlow:** Run وإدارة أعباء عمل TensorFlow بفعالية.
* **PyTorch:** نشر وتحسين نماذج PyTorch للتدريب والاستدلال.
* **JAX:** استخدم JAX لإجراء حسابات الذكاء الاصطناعي عالية الأداء.
* **Keras:** قم ببناء نماذج Keras وتدريبها بسلاسة.
* **Scikit-learn:** استخدم Scikit-learn لمهام التعلم الآلي.
* **XGBoost:** يمكنك الاستفادة من XGBoost في خوارزميات تعزيز التدرج.
* **LightGBM:** استخدم LightGBM لتعزيز التدرج بكفاءة.
* **CatBoost:** استخدم CatBoost لتعزيز التدرج القوي.

أي Kubernetes

يتكامل Run:ai بسلاسة مع Kubernetes، النظام الأساسي الرائد لتنسيق الحاويات. ويضمن ذلك التوافق مع بيئات Kubernetes الحالية ويسمح للمؤسسات بالاستفادة من فوائدها، بما في ذلك:
* **القياس التلقائي:** قياس أعباء عمل الذكاء الاصطناعي ديناميكيًا بناءً على الطلب.
* **توفر عالي:** تأكد من أن أعباء عمل الذكاء الاصطناعي تظل متاحة حتى في حالة فشل العقد الفردية.
* **عمليات النشر في حاويات:** انشر أعباء عمل الذكاء الاصطناعي كحاويات، مما يعزز إمكانية النقل وإمكانية التكرار.

في أي مكان

تم تصميم Run:ai ليتم نشره في أي مكان، مما يوفر المرونة للمؤسسات ذات احتياجات البنية التحتية المتنوعة. يتضمن ذلك:
* **مراكز البيانات:** قم بنشر Run:ai في مراكز البيانات الخاصة بك لتحقيق أقصى قدر من التحكم والأمان.
* **موفرو السحابة:** انشر Run:ai على موفري الخدمات السحابية الرئيسيين لتحقيق قابلية التوسع والمرونة.
* **أجهزة الحافة:** انشر Run:ai على الأجهزة المتطورة لتطبيقات الذكاء الاصطناعي في الوقت الفعلي.

أي بنية أساسية

يدعم Run:ai مجموعة واسعة من مكونات البنية الأساسية، مما يسمح لك ببناء بيئة الذكاء الاصطناعي المثالية لديك:
* **وحدات معالجة الرسومات:** الاستفادة من الأداء العالي وحدات معالجة الرسومات من كبار البائعين، مثل NVIDIA وAMD وIntel.
* **وحدات المعالجة المركزية:** استخدم وحدات المعالجة المركزية للمهام التي لا تتطلب تسريع وحدة معالجة الرسومات.
* **ASICs:** دمج ASICs للمهام المتخصصة، مثل استنتاج التعلم الآلي.
* **التخزين:** اختر حلول التخزين التي تلبي متطلبات الأداء وقابلية التوسع والتكلفة على أفضل وجه.
* **الشبكات:** انشر Run:ai على شبكات النطاق الترددي العالي لنقل البيانات بكفاءة وأحمال العمل الموزعة.