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が実行される場所で、 IBM Cloud サービスを活用して、モデルのトレーニングや推論といったエッジワークロードの課題に対処しましょう。

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、グラフィックス処理ユニット（GPU）、ストレージといった膨大な計算リソースが必要となります。 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。 エッジ環境にデータが配置されているマネージド Red Hat OpenShift クラスターを使用して、 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構築することで、REST（Representational State Transfer）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、学習済みのモデルにクエリを送信して予測結果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

Satellite を利用して、エッジ環境全体で一貫性があり、拡張性のあるエクスペリエンスを実現しましょう。

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。