Veo消除Neptune工作损失
Veo构建体育摄像头带双4K镜片的后台摄像头记录全景全景-这里指足球相机嵌入计算机视觉 和其他AI模型 驱动解析器 玩家跟踪 球跟踪 相关统计
开发的每一件产品都出自机器学习构件刚开始聚焦 塑造所有后继不学习机器 Veo今天将不存在Philip Pries Henningsen表示,Veo技术高级ML研究员
寻找稳定可靠跟踪法
维欧ML团队训练多模型训练作业可运行一天或最长数周,
切换海王星前 Veo使用ML流跟踪所有项目实验团队向小EC2实例部署ML流出并自主管理
因此搭建ML流极不可靠,特别是在重计算负载下,导致连通问题和崩溃中断当前ML任务和实验最坏情况假设导致损失一周工作,视模型和项目而定。
Veo运维耗时越来越多维护ML流、重运行实验并处理ML流崩溃问题于是决定寻找替代方案
新解决方案标准如下:
- 可靠稳定工具最小停机时间;
- 易整合并存技术栈
Veo在评价需求后选择Neptune,这主要是因为环境管理稳定
海王星自辨异步运算模式.团队数据由本地保存 并定期同步到海王星服务器这种方法确保网络中断或服务器问题不中断持续实验远比MLFl流同步模型大有改进
自采信海王星以来,Veo担心数据丢失或服务器问题延长停机时间已成为过去
不仅产生更可靠的培训过程中译入有形时间节约.事前意外碰撞会延后工作数日,有时长达一周现在,这些退步管理得当,确保不损失工作并提高业务成本效益此项转移大大提高VeoML工作流的总体效率和生产率
ML流和Neptune如何不同特征对比表
组织并有效比较50+度量
由于特定足球序列中事件数-像目标、场外通道等-Veo项目往往需要从训练段跟踪多度量
kb88凯时开户平台常有50+度量图想记录实验跟踪工具MLFl流UI变慢或失响应
反之,他们可能只需要分析 少数那些尺度 跑来决定什么去生产时时MLFlor不向Veo提供过滤和比较实验功能
团队选择替代方法解决这项挑战的标准是一个工具,可以:
- 比例处理多度量免影响用户经验
- 提供快速比较检查站内数训练运行
海王星很容易管理Veo图像视频实验上千度量团队可实时跟踪并视觉化模型进度,直达时代层次
很容易搜索过滤器通过跟踪元数据只比较最相关度量并保存视图自定义仪表板面向每个项目
VeoML团队现在集中分析度量数据,而不是刷新接口并处理UI不稳定性
增强图像视频数据可视化
Veo主数据源是足球赛视频菲律宾凯时国际官网开户团队处理高分辨率视频流,可能4K或更高分辨率-高容量视觉数据评估搭建工作需要两条配有4K视频流的实时处理管道
ML流图像视频可视化不理想可视化相对小,使图像检验分析乏味临ΤML流不支持日志视频关键团队实验过程
需要工具高可视化功能支持视觉数据类型海王星满足了那些条件
团队可以日志图片并视频播放并显示UI视觉训练进度检验界面可视化工作不计图像数
感谢Philip PriesHenningsen和Veo团队与我们合作创建案例研究
产品资源
相关文章
