Ito ang Windows app na pinangalanang BentoML na ang pinakabagong release ay maaaring ma-download bilang BentoML-v1.1.7sourcecode.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang BentoML na may OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA LALAKI
Ad
BentoML
DESCRIPTION
Pinapasimple ng BentoML ang pag-deploy ng modelo ng ML at inihahatid ang iyong mga modelo sa antas ng produksyon. Suportahan ang maramihang ML frameworks na natively: Tensorflow, PyTorch, XGBoost, Scikit-Learn at marami pa! Tukuyin ang custom na paghahatid ng pipeline na may mga pre-processing, post-processing at ensemble na mga modelo. Karaniwang .bento na format para sa packaging code, mga modelo at dependencies para sa madaling bersyon at pag-deploy. Isama sa anumang pipeline ng pagsasanay o platform ng eksperimento sa ML. I-parallelize ang compute-intense model inference workloads para magkahiwalay na sukat mula sa serving logic. Ang adaptive batching ay dynamic na pinapangkat ang mga kahilingan sa inference para sa pinakamainam na performance. I-orchestrate ang distributed inference graph na may maraming modelo sa pamamagitan ng Yatai sa Kubernetes. Madaling i-configure ang CUDA dependencies para sa pagpapatakbo ng inference gamit ang GPU. Awtomatikong bumuo ng mga docker na larawan para sa deployment ng produksyon.
Mga tampok
- Online na paghahatid sa pamamagitan ng REST API o gRPC
- Offline na pagmamarka sa mga batch na dataset gamit ang Apache Spark, o Dask
- Stream serving kasama ang Kafka, Beam, at Flink
- Awtomatikong bumuo ng mga docker na larawan para sa deployment ng produksyon
- Model Deployment sa sukat sa Kubernetes
- Mabilis na pag-deploy ng modelo sa anumang cloud platform
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/bentoml.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
