ML Space - Начало работы с ML Space
- Концепции
- Воркспейсы
- Доступы и роли
- Регионы размещения ресурсов
- Аллокации
- Типы и особенности Jupyter Servers
- Переходы между статусами Jupyter Server
- Образы для Jupyter Server
- Образы для задач обучения
- Образы для деплоев
- Советы по оптимизации процесса обучения
- Лицензии для компонентов Open Source
- Тарификация
- Термины и сокращения
- Обратиться в поддержку
Управление данными на платформе ML Space
Работа с данными в рамках платформы осуществляется в следующих направлениях:
Подключение внешних S3-хранилищ для загрузки датасетов, serving-скриптов, кода обучения, изображений и других пользовательских данных.
Перенос данных из внешних баз данных и файловых систем, а также из бакетов Evolution и Advanced в ML Space.
Миграция данных между внешними S3-хранилищами и NFS-хранилищем ML Space.
Использование данных для обучения моделей
Для обучения моделей пользовательские данные необходимо перенести в горячее хранилище NFS ML Space.
В NFS региона есть доступ только к пользовательским файлам, которые находятся на NFS-дисках региона. Точкой монтирования NFS региона по умолчанию является текущий рабочий каталог пользователя /home/jovyan/. Обзор данных на NFS и управление этими данными осуществляется через интерфейс Jupyter Server.
При создании окружений для каждого региона используется независимое хранилище. Подробнее о регионах размещения ресурсов.
- Использование данных для обучения моделей