Meta elige a AWS como proveedor de nube clave
Amazon Web Services anunció que Meta ha profundizado su relación con AWS como proveedor estratégico de nube. Meta utiliza la infraestructura probada y las capacidades integrales de AWS para complementar su infraestructura on-premise existente, y ampliará el uso de los servicios de seguridad, bases de datos, almacenamiento y cómputo de AWS para brindar privacidad, confiabilidad y escala en la nube. La empresa correrá las colaboraciones de terceros en AWS y utilizará la nube para respaldar adquisiciones de empresas que ya cuentan con la tecnología de AWS.
También utilizará los servicios informáticos de AWS para acelerar la investigación y el desarrollo de inteligencia artificial para el grupo Meta AI. Además, Meta y AWS trabajarán juntos para mejorar el rendimiento de los clientes que corren PyTorch en AWS y para acelerar la forma en que los desarrolladores crean, capacitan, implementan y operan modelos de inteligencia artificial o machine learning.
AWS y Meta ayudarán a los investigadores y desarrolladores de machine learning optimizando aún más el rendimiento de PyTorch y su integración con servicios administrados centrales como Amazon Elastic Compute Cloud (Amazon EC2) y Amazon SageMaker (el servicio de AWS que ayuda a los desarrolladores y científicos de datos a construir, capacitar e implementar modelos de machine learning rápidamente en la nube y en el edge) para crear, capacitar e implementar modelos de inteligencia artificial a escala.
Para facilitar a los desarrolladores la creación de modelos de deep learning a gran escala para el procesamiento del lenguaje natural y la visión por computadora, las empresas están activando PyTorch en AWS para la orquestación de trabajos de capacitación a gran escala a través de un sistema distribuido de aceleradores de inteligencia artificial. Las empresas trabajarán juntas para ofrecer herramientas nativas que mejoren el rendimiento, la explicabilidad y el costo de la inferencia en PyTorch.
Para simplificar la implementación de modelos en producción, las empresas continuarán mejorando TorchServe, el motor de servicio nativo de PyTorch que facilita la implementación de modelos entrenados de PyTorch a escala. Sobre la base de las contribuciones de código abierto, AWS y Meta planean ayudar a las organizaciones a llevar modelos de deep learning a gran escala desde la investigación hasta la producción de forma más rápida y sencilla con un rendimiento optimizado en AWS.
