BentoML统一模型部署框架
BentoML 是 AI 应用程序开发人员的平台,提供工具和基础架构来简化整个 AI 产品开发生命周期。BentoML 使创建准备好部署和扩展的机器学习服务变得容易。
数据科学家和 ML 工程师可以使用 BentoML:
加速并标准化将 ML 模型投入生产的过程
构建可扩展的高性能预测服务
在生产中持续部署、监控和运行预测服务
BentoML 原生支持所有流行的 ML 框架,包括 Pytorch、Tensorflow、JAX、XGBoost、HuggingFace、MLFlow,以及最新的预构建开源 LLM(大型语言模型)和生成式 AI 模型。
BentoML 可扩展你使用 Python 构建的 AI 工作负载。多模型图推理、并行模型推理和自适应批处理,以及许多高级 AI 功能,都包含在易于使用的 Python 原语中。
BentoML 是一个统一的 online、offline 和 streaming 框架;使用一个统一接口进行开发,该接口可以作为 REST API endpoin 或 gRPC service 轻松推出,集成到批处理工作负载的数据管道中,或使用流式架构进行实时处理。
BentoML 是用于创建 AI 应用程序的开放标准,它带来了一致性,使开发人员能够在所有 AI 产品团队中变得更加敏捷、创新和高效。
Highlights
Unified Model Serving API
适用于 Tensorflow、PyTorch、XGBoost、Scikit-Learn、ONNX 等的框架无关的模型打包
为预处理 / 后处理和业务逻辑编写自定义 Python 代码以及模型推理
为在线(REST API 或 gRPC)、离线批处理和流式推理应用相同的代码
用于构建多模型推理管道或图形的简单抽象
无摩擦过渡到生产的标准化流程
将 Bento 构建为 ML 服务的标准可部署工件
自动生成具有所需依赖项的 docker 镜像
使用 GPU 进行推理的简单 CUDA 设置
与 MLOps 生态系统的丰富集成,包括 Kubeflow、Airflow、MLFlow、Triton
具有强大的性能优化的可扩展性
自适应批处理根据服务器端最佳性能动态分组推理请求
Runner 抽象将模型推理与你的自定义代码分开进行 scales
通过自动配置最大化你的 GPU 和多核 CPU 利用率
以 DevOps 友好的方式部署到任何地方
通过以下方式简化生产部署工作流程:
BentoML Cloud:部署便当的最快方式,简单且大规模
Yatai:在 Kubernetes 上大规模部署模型
bentoctl:在 AWS SageMaker、Lambda、ECE、GCP、Azure、Heroku 等平台上快速部署模型!
使用 Spark 或 Dask 运行离线批量推理作业
对 Prometheus 指标和 OpenTelemetry 的内置支持
用于高级 CI/CD 工作流程的灵活 API
关注公众号:拾黑(shiheibook)了解更多
赞助链接:
关注数据与安全,洞悉企业级服务市场:https://www.ijiandao.com/
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/
随时掌握互联网精彩
- 微信打印功能到底好不好用?实测来了
- SSD更容易坏?实际使用数据和想象不一样
- 2月VR大数据:硬件份额变化不大,PS VR2首发游戏超50款
- 【杂谈快报】美国3500亿芯片法案或设置“护栏”:公司在中国建厂则无缘补贴
- 影像、性能、颜值全都有,值得购买的旗舰手机推荐
- 你的手机多久没换了?真的只是因为穷吗?
- 【杂谈快报】阿里股价已跌回2014年,摩根大通:阿里巴巴将持续面临抛售压力,降目标价至65美元
- 50 亿美元处罚有“冤情”?谷歌对欧盟 2018 年安卓反垄断案提起上诉
- 48款APP遭下架,你手机里有吗?
- 混合办公时代最稀缺的是什么?也许是幸福感
- 统信女神,点亮UOS!
- Python的底气,是从哪儿来的?