espacio de papel siempre ha tenido un enfoque firme en los equipos de ciencia de datos que construyen modelos de máquinas, ofreciéndoles acceso a GPU en la nube, pero la compañía ha tenido una ambición más amplia más allá de proporcionar infraestructura pura, y hoy anunció un nuevo conjunto de herramientas para ayudar a estos equipos a pasar la prueba. modele para los desarrolladores y las operaciones de una manera más fluida en un entorno híbrido o de múltiples nubes.
El cofundador y director ejecutivo, Dillon Erb, dice que este es un intento de proporcionar un conjunto completo de herramientas para científicos y desarrolladores de datos, más allá de proporcionar potencia pura de GPU para probar y construir los modelos. “Los equipos de aprendizaje automático hacen mucho trabajo de GPU y, como saben, hemos estado trabajando con GPU durante varios años y esa es una de nuestras especialidades. Ahora, lo que estamos haciendo es adoptar una especie de enfoque de metodología ágil o CI/CD (integración continua/entrega continua) para el aprendizaje automático y usarlo para resolver problemas a una escala mucho mayor. [machine learning] problemas”, dijo Erb.
Tal como lo describe la empresa, “La nueva versión presenta GradientCI, el primer motor integral de CI/CD de la industria para crear, entrenar e implementar modelos de aprendizaje profundo…” Erb dice que el objetivo es proporcionar una forma de tomar el modelo construido sobre Paperspace. y ponerlo a trabajar en la empresa más rápido. Los equipos a menudo pierden tiempo después de que se construye el modelo porque no hay una buena manera de pasar el modelo al equipo de DevOps para usarlo en las aplicaciones.
“GradientCI le permite hacer cosas como configurar entornos de producción de desarrollo por etapas y proporcionar una interfaz común entre su equipo de datos y su equipo de DevOps. Se trata de tomar las mejores prácticas de desarrollo de software y aplicarlas a este universo relativamente nuevo de capacitación e implementación de modelos de aprendizaje automático”, explicó Erb.
Él dice que hasta ahora, no ha habido una manera de hacer esto, y esto ha llevado al equipo de desarrollo a hacer cosas como reescribir completamente el modelo en Java o cualquiera que sea su entorno de producción para que funcione dentro de sus aplicaciones. “Ha sido una transferencia realmente torpe, y donde hacemos un muy buen trabajo es agregar cosas como el control de versiones y la reproducibilidad y un tipo común de sintaxis, de modo que los muchachos tradicionales de DevOps puedan realmente recoger e implementar las pilas de herramientas de aprendizaje automático sin ser un experto en aprendizaje profundo”, explicó Erb.
Paperspace se fundó en 2014 y fue miembro de la clase Y Combinator Winter 2015. Desde entonces, ha recaudado 23 millones de dólares de inversores como Battery Ventures, Intel Capital, SineWave Ventures, Sorenson Capital e Y Combinator, según Crunchbase. Su financiamiento más reciente fue de $13 millones Serie A el año pasado.
Source link