Ambienti edge per AI, IoT, e apprendimento automatico

Crea una sede " Satellite " con cluster " Red Hat OpenShift " in periferia, in prossimità dei tuoi dispositivi " IoT ", per accedere ai servizi di intelligenza artificiale e machine learning " IBM Cloud " ovunque si trovino i tuoi dati.

Risoluzione delle sfide dei carichi di lavoro edge comuni con IBM Cloud

Affronta le sfide legate ai carichi di lavoro edge, come l’addestramento dei modelli e l’inferenza, utilizzando i servizi IBM Cloud proprio dove vengono eseguiti i tuoi carichi di lavoro edge.

Addestramento di un modello di apprendimento automatico
L'addestramento di un modello di machine learning richiede in genere notevoli risorse di calcolo in termini di memoria, unità di elaborazione grafica (GPU) e spazio di archiviazione. Invece di installare e gestire il software del modello di formazione nella tua infrastruttura di calcolo, puoi aggiungerla a una posizione Satellite. Quindi, puoi accedere a IBM Cloud Pak® for Data, che include strumenti come Watson Studio e IBM Watson® Machine Learning per l'analisi dei dati e l'addestramento del modello. Accedendo a questi strumenti come servizi cloud, si semplifica l'installazione e la gestione del software. Puoi anche utilizzare questi stessi servizi cloud in tutta la tua infrastruttura edge, indipendentemente dal provider dell'infrastruttura sottostante.
Deduzione del modello
L'inferenza del modello è il compito di utilizzare un modello addestrato per effettuare previsioni, rilevare anomalie e categorizzare i dati dall'ambiente edge. A causa dei requisiti di memoria, archiviazione e latenza, l'inferenza del modello viene eseguita in modo più efficace il più vicino possibile ai tuoi sensori IoT e ad altre origini dati. Puoi creare un'ubicazione Satellite con i cluster Red Hat OpenShift gestiti in cui i tuoi dati si trovano nei tuoi ambienti edge. A questo punto, è possibile configurare un modello di programmazione serverless, come ad esempio Red Hat™ OpenShift™ Serverless™, per disporre di un modello di programmazione semplificato con un'interfaccia REST (Representational State Transfer) che consenta di interrogare il modello addestrato al fine di ottenere una previsione.

Configurazione della tua soluzione edge con Satellite

Utilizza Satellite per garantire un'esperienza coerente e scalabile in tutti i tuoi ambienti periferici.

  1. Configura il machine learning e la formazione del modello per i dati.
  2. Distribuisci Satellite con un componente senza server nel tuo ambiente edge.
  3. Eseguire l'inferenza del modello sul margine.

Passo 1: configura il machine learning e la formazione del modello per i tuoi dati

Prima di distribuire il modello, preparare i dati edge utilizzando Watson Studio e Machine Learning in IBM Cloud o IBM Cloud Pak for Data.

  1. Carica i dati di addestramento in IBM Cloud Object Storage.
  2. Utilizzate Watson Studio e Machine Learning per estrarre i dati di addestramento da IBM Cloud Object Storage, analizzare i dati e addestrare un modello con TensorFlow, Keras, SciKit-Learn, o un altro algoritmo di apprendimento automatico popolare.

Il modello sottoposto a training viene salvato nuovamente in IBM Cloud Object Storage, in modo che i dati non occupano spazio di archiviazione nel tuo ambiente edge.

Passo 2: distribuisci Satellite con un componente senza server al tuo ambiente edge

In qualità di amministratore di sistema dell'ambiente edge, si abilita uno strumento senza server per semplificare l'inferenza del modello sul server perimetrale.

  1. Crea un'ubicazione Satellite sull'infrastruttura di edge computing.
  2. Crea un cluster Red Hat OpenShift gestito nell'ubicazione di Satellite.
  3. Accedi alla Red Hat OpenShift.
  4. Utilizzando il sito OperatorHub, installare l'operatore Red Hat OpenShift Serverless.
  5. Installare l'operatore di servizio Knative.

Hai distribuito Satellite con un componente senza server.

Passo 3: Esegui l'inferenza del modello sul bordo

Come sviluppatore AI, esegui l'inferenza del modello sui tuoi dati edge utilizzando l'elaborazione senza server impostata dall'amministratore edge.

  1. Scarica il modello preparato da IBM Cloud Object Storage nel tuo ambiente di sviluppo locale.
  2. Creare un' immagine contenitore conforme a Knative.
  3. Distribuisci l'immagine nel tuo processore senza server Red Hat OpenShift eseguito nel tuo cluster Satellite. Puoi utilizzare la console web Red Hat OpenShift nella prospettiva dello sviluppo oppure utilizzare lo strumento della riga di comando kn per Satellite senza server.

Ora disponete di una postazione gestita Satellite che viene eseguita sull'ambiente edge ed esegue l'inferenza del modello su richiesta per i dati edge attraverso il modello addestrato dall'intelligenza artificiale e Red Hat OpenShift Serverless.