IBM Cloud での一般的なエッジ・ワークロードの課題の解決

エッジ・ワークロードの一般的な課題には、機械学習モデルのトレーニングや、予測モデル推論の使用などがあります。 Satellite を使用すると、エッジ・ワークロードが実際に実行される場所でこれらの課題に対処できる、IBM Cloud サービスにアクセスできます。

機械学習モデルのトレーニング

機械学習モデルのトレーニングには、通常、メモリー、GPU、およびストレージ用の重要な計算リソースが含まれます。 トレーニング・モデル・ソフトウェアをコンピュート・インフラストラクチャーにインストールして管理する代わりに、コンピュート・インフラストラクチャーを Satellite ロケーションに追加することができます。 そうすることで、データ分析およびモデル・トレーニング用の IBM Cloud Pak® for Data や Watson Studio などのツールを含む IBM Watson® Machine Learning にアクセスできます。 クラウド・サービスとしてこれらのツールにアクセスすることにより、ソフトウェアのインストールと管理が単純化されます。 基盤となるインフラストラクチャー・プロバイダーに関係なく、すべてのエッジ・インフラストラクチャーで同じクラウド・サービスを使用することもできます。

モデルの推論

モデルの推論は、トレーニングされたモデルを使用して、エッジ環境から予測を行い、異常を検出し、データをカテゴリー化するタスクです。 メモリー、ストレージ、および待ち時間の要件のために、モデル推論は、IoT センサーや他のデータ・ソースに可能な限り近い方が効果的に実行されます。 マネージド Red Hat OpenShift クラスターを使用して、エッジ環境にデータを配置する Satellite ロケーションを作成できます。 その後、Red Hat™ OpenShift™ Serverless™ などのサーバーレス・プログラミング・モデルをセットアップして、REST インターフェースを備えた簡素化されたプログラミング・モデルを提供し、トレーニングされたモデルを照会して予測を生成することができます。

Satellite を使用したエッジ・ソリューションのセットアップ

エッジ環境の課題に対して、多数のソリューションをセットアップして解決することは可能です。しかし、Satellite を使用することにより、異なる複数の環境にまたがって、一貫性のあるスケーラブルなエクスペリエンスを提供できます。 セットアップの例を以下に示します。

1. 使用するデータのための機械学習とモデル・トレーニングをセットアップします。
2. サーバーレス・コンポーネントを備えた Satellite をエッジ環境にデプロイします。
3. エッジでモデル推論を実行します。