Capitolo 9. Scalare: Hardware, infrastruttura e gestione delle risorse
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
L'implementazione di e la gestione delle LLMs presentano sfide e opportunità uniche nel campo della gestione delle infrastrutture e delle risorse. Gli LLMs, come hai visto in questo libro, sono ad alta intensità di calcolo e richiedono notevoli risorse hardware, di storage e di rete per funzionare in modo efficiente. Sia che tu stia sfruttando gli LLMs come servizio basato su cloud, sia che tu stia distribuendo modelli pre-addestrati in data center on-premise o che tu stia addestrando i tuoi modelli da zero, le tue decisioni sull'infrastruttura influenzeranno le loro prestazioni, la scalabilità e l'efficienza economica.
Una gestione efficace delle risorse per gli LLMs implica l'ottimizzazione della potenza di calcolo, della memoria e dello storage. In questo capitolo esploreremo i componenti chiave dell'infrastruttura per gli LLMs, compresi i requisiti hardware e le strategie di implementazione. Parleremo anche delle migliori pratiche per ottimizzare l'uso delle risorse, gestire i costi e mantenere l'affidabilità negli ambienti di produzione. Questo capitolo ti aiuterà a capire i compromessi che comporta la gestione delle risorse per le applicazioni AI su larga scala.
Scegliere il giusto approccio
La scelta di metodo appropriato per l'utilizzo delle LLMs dipende dai requisiti ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access