详细内容或原文请订阅后点击阅览
使用自动机构优化AI实施成本
在这篇来宾帖子中，我们解释了AWS合作伙伴如何帮助其客户实现超过十二倍的成本节省，同时将AI模型的性能保持在所需的性能阈值范围内。这是通过仔细调整体系结构，算法选择和基础架构管理来实现的。
来源:亚马逊云科技 _机器学习这篇文章是由Claudiu Bota，Oleg Yurchenko和AWS合作伙伴Automat-It的Vladyslav Melnyk撰写的。
这篇文章是由Claudiu Bota，Oleg Yurchenko和AWS合作伙伴Automat-It的Vladyslav Melnyk撰写的。随着组织采用AI和机器学习（ML），他们正在使用这些技术来改善流程并增强产品。 AI用例包括视频分析，市场预测，欺诈检测和自然语言处理，都依赖于有效分析数据的模型。尽管模型在几乎没有延迟的情况下达到了令人印象深刻的准确性，但它们通常要求具有重要的计算能力（包括GPU）的计算资源来运行推断。因此，保持绩效和成本之间的适当平衡至关重要，尤其是在大规模部署模型时。
机器学习我们的客户之一遇到了这个确切的挑战。为了解决这个问题，他们聘请了AWS Premier Tier合作伙伴Automat-It来设计和在AWS上实施其平台，特别是使用Elastic Kubernetes Service（Amazon EKS）。 Automat-It专门通过动手云DevOps，MLOPS和Finops服务来帮助初创企业和规模增长。该协作旨在在优化成本的同时实现可扩展性和性能。他们的平台需要具有较低延迟的高度准确的模型，并且在没有适当优化的情况下，此类苛刻任务的成本迅速升级。
automat-it 弹性Kubernetes服务（Amazon EKS）在这篇文章中，我们解释了自动机构如何帮助该客户实现超过十二倍的成本节省，同时将AI模型性能保持在所需的性能阈值之内。这是通过仔细调整体系结构，算法选择和基础架构管理来实现的。
客户挑战
我们的客户专门使用Yolov8和Ultrytics库开发用于视频智能解决方案的AI模型。端到端的yolov8部署包括三个阶段：
yolov8 预处理 推理 后处理