Testowanie wydajności algorytmów sztucznej inteligencji przy użyciu HPC

Klient (twórca sztucznej inteligencji lub badacz) otrzyma: Dostęp do hostowanego środowiska w celu wdrożenia algorytmu i przeprowadzania systematycznych, zautomatyzowanych ocen wydajności. Znormalizowane sprawozdania z analizy porównawczej zawierające szczegółowe informacje na temat dokładności modelu, szybkości wnioskowania i zużycia zasobów w porównaniu ze znormalizowanymi referencyjnymi zbiorami danych rolno-spożywczych. Analiza porównawcza w różnych wersjach modeli lub alternatywnych architekturach w celu zidentyfikowania najlepiej działającej konfiguracji. Wyniki testów warunków skrajnych obejmujące skalowalność, odporność na dane pozadystrybucyjne i wydajność od brzegu do chmury. Dzięki temu usługa rozwiązuje: Luka w dowodach technicznych: deweloperzy potrzebują obiektywnych, odtwarzalnych wskaźników technicznych, aby wspierać komercjalizację, publikację lub zgodność z przepisami. Oblicz wąskie gardła dla danych o wysokiej rozdzielczości: przetwarzanie obrazów dronów lub obrazów hiperspektralnych wymaga dużej mocy obliczeniowej, która jest bezproblemowo obsługiwana przez klaster AgrospAI.

Dostęp jest przyznawany za pośrednictwem przyjaznego dla użytkownika interfejsu lub interfejsu API, w którym programiści mogą przesyłać modele jako kontenery wraz ze znormalizowanymi zbiorami danych testowych. Realizacja i testy warunków skrajnych są obsługiwane automatycznie przez klaster AgrifoodTEF/AgrospAI. Zapewniane jest wsparcie dla konteneryzacji, integracji API i interpretacji wyników benchmarkingu.

Możemy dostosować wskaźniki benchmarkingu do oceny określonych parametrów (np. symulacja wydajności od krawędzi do chmury, testy warunków skrajnych hiperparametrów) i skonfigurować dedykowane pomieszczenia danych do prywatnych, wielkoskalowych ocen algorytmicznych. Niestandardowe referencyjne zbiory danych z ekosystemu AgrospAI można włączyć po uzgodnieniu z dostawcami danych.