Преимущества
Distributed Train предоставляет пользователям следующие преимущества в части ML:
Распределенное обучение на большом количестве GPU.
Высокопроизводительные вычисления на базе CPU.
Удобная работа с данными и артефактами машинного обучения. Данные и артефакты сохраняются даже после удаления Jupyter Server.
Настройка автоматической синхронизации данных между хранилищами с помощью правил переноса.
Оптимизация и упрощение работы за счет Deployments.
Встроенные инструменты мониторинга (визуализация результатов экспериментов, сравнение и визуализация результатов обучения).