|
|
春天到来，在出行游览、外出访亲等一系列利好带动下，网约车出行市场疾速回暖，总体定单范围进一步扩张，语音辨认、指标检测、天然言语处置（NLP）、抵达时间预估（ETA）。。。。。。网约车平台运用场景泛滥且繁杂，完成高速响应，建设一致的深度学习开发平台成为网约车平台的中心需要。
但是在开发网约车算力平台时，用户经常面临各类应战，好比：
1、资源使用效力，深度学习算法大都属计算密集型运用，其面前的AI办事器单价低廉，若资源不足兼顾调度，无奈造成范围化效应，使用效力大打折扣；
2、开发效力：算法开发最中心的任务是算法的开发和调试，然而算法开发工程师把少量的时间花在了环境的部署、配置与保护（通常构建一套残缺的环境是以天为单位），开发效力待晋升。
3、在线运算：要部署模型办事，就需求解决办事的HA、负载平衡等出产办事问题。为了知足办事的提早、资源的束缚，模型办事上线，需求做从办事、到深度学习框架、到计算库的全栈优化。
曙光经过容器化学习平台，完成1次构建、反复使用的成果，行将算法环境封装成Docker镜像的形式完成疾速环境部署及功课指派。经过优化集群资源利用，更为细粒度的资源管制，使资源用即请求，完即释放，解决了资源一致办理和调度的问题。
在网约车行业日渐走向有序开展的配景下，经过智能化平台和技术翻新赋能平台经营，确保平安、效力和品质，曾经成为平台开展的重点。曙光帮忙用户打造高效、牢靠、智能的根底设施平台，并多项赋能，完成AI计算力端到真个最好理论。 |
|
注册会员