DSW (Data Science Workshop) adalah lingkungan pengembangan terintegrasi (IDE) berbasis cloud untuk pengembangan AI. DSW menyediakan tiga lingkungan pengembangan: notebook, VSCode, dan terminal. DSW dilengkapi gambar kontainer yang telah dikonfigurasi sebelumnya untuk framework AI populer seperti PyTorch dan TensorFlow, mendukung berbagai sumber daya komputasi heterogen, serta memungkinkan Anda memasang set data dari OSS, NAS, dan CPFS guna menyederhanakan alur kerja pengembangan.
Ikhtisar produk
Lingkungan pengembangan DSW ditampilkan pada gambar berikut.
UI Baru
UI Klasik
Keunggulan
Fleksibel dan mudah digunakan: DSW mengintegrasikan berbagai lingkungan pengembangan dan mendukung gambar kontainer untuk framework open-source seperti PyTorch dan TensorFlow. DSW menyediakan berbagai sumber daya komputasi heterogen, termasuk sumber daya publik dan sumber daya khusus (sumber daya komputasi umum atau Sumber daya komputasi cerdas Lingjun).
Platform end-to-end: DSW mencakup alat seperti PAI-DLC untuk pelatihan terdistribusi dan PAI-EAS untuk menerapkan model sebagai layanan online, mencakup seluruh alur kerja pengembangan AI—mulai dari pemrosesan data dan debugging hingga pelatihan dan penerapan model.
Manajemen tingkat granular: DSW mendukung konfigurasi siklus hidup seperti shutdown terjadwal dan shutdown saat idle untuk mengurangi biaya. Fitur ruang kerja memungkinkan alokasi dan reklamasi sumber daya secara global.
Contoh praktis berbasis skenario: Notebook Gallery menyediakan tutorial dan kasus penggunaan di bidang mutakhir seperti LLM dan AIGC. Anda dapat menggunakannya untuk memulai dengan cepat atau sebagai fondasi proyek Anda sendiri.
Fitur utama
Buat dan kelola
Buat instans DSW: Pilih tipe sumber daya, pasang set data, dan tentukan gambar kontainer kustom sesuai kebutuhan.
Akses dan kelola DSW dari Konsol: Gunakan Konsol untuk mengelola instans DSW melalui operasi seperti menghentikan, menghapus, atau mengonfigurasi ulang instans tersebut.
Gunakan instance RAM role: Asosiasikan Peran RAM dengan instans untuk mengakses sumber daya cloud lain menggunakan kredensial STS temporary, sehingga tidak perlu AccessKey jangka panjang dan mengurangi risiko kebocoran kredensial.
Lingkungan pengembangan model
Kelola library pihak ketiga: Kelola dan instal library Python serta perangkat lunak pihak ketiga.
Visualisasikan pelatihan dengan TensorBoard: Gunakan ekstensi TensorBoard untuk memvisualisasikan metrik dan informasi selama pelatihan model.
Terapkan model sebagai layanan online: Setelah melatih model, gunakan PAI-EAS untuk menerapkannya sebagai layanan online bagi aplikasi yang memerlukan fitur seperti auto-scaling, kontrol versi, dan pemantauan sumber daya.
Akses dan pemasangan data
Pasang set data, OSS, NAS, atau CPFS: Anda dapat memasang set data atau penyimpanan dari OSS, NAS, atau CPFS untuk memperluas kapasitas penyimpanan instans, mempertahankan data, dan membaca file data.
Baca dan tulis data di OSS: Baca dan tulis data di OSS dari instans DSW menggunakan API atau SDK.
Unggah dan unduh file: Transfer data dan model antara mesin lokal Anda dan instans DSW.
Konfigurasi jaringan
Hubungkan secara remote melalui SSH: Koneksi SSH meniru pengalaman pengembangan lokal, memungkinkan Anda memanfaatkan sumber daya komputasi DSW yang andal.
Tingkatkan kecepatan akses jaringan publik dengan Internet NAT Gateway: Buat Internet NAT Gateway dan bind EIP ke VPC tempat instans Anda berada untuk meningkatkan kecepatan unggah dan unduh jaringan.
Akses layanan dalam instans dari internet: Akses layanan yang berjalan di dalam instans dari VPC atau dari internet publik untuk pengujian dan validasi model.
Tarik model atau gambar kontainer dari luar negeri: Konfigurasikan Global Accelerator untuk DSW guna mempercepat proses menarik gambar kontainer dari sumber seperti
docker.ioatau model dari sumber sepertihuggingface.co.
Penagihan
Instans Komputasi
Tipe instans mencakup sumber daya publik dan sumber daya khusus (sumber daya komputasi umum atau Sumber daya komputasi cerdas Lingjun), masing-masing dengan metode penagihan yang berbeda.
Tipe instans | Metode penagihan | Item yang dikenai tagihan | Aturan penagihan | Hentikan penagihan |
sumber daya publik | Pay-as-you-go | Waktu proses instans DSW yang menggunakan sumber daya publik. | Anda dikenai biaya berdasarkan waktu proses instans yang menggunakan sumber daya publik. Penting Detail penagihan: Instans DSW ditagih per menit, dan tagihan dibuat per jam. Karena agregasi data, tagihan Anda mungkin tertunda 2 hingga 3 jam. Tagihan akhir yang berlaku. | Hentikan atau hapus instans DSW. Penting Anda dapat menghentikan instans secara manual atau dengan mengonfigurasi shutdown terjadwal. Untuk informasi lebih lanjut, lihat Kelola instans DSW. |
sumber daya khusus (sumber daya komputasi umum atau Sumber daya komputasi cerdas Lingjun) | Subscription | Jumlah node dan durasi langganan. | Anda dikenai biaya berdasarkan jumlah node dan durasi langganan untuk sumber daya khusus yang Anda beli. Untuk informasi lebih lanjut, lihat Penagihan sumber daya komputasi AI. | Batalkan langganan sumber daya tersebut. |
Disk sistem
Metode penagihan | Item yang dikenai tagihan | Aturan penagihan | Hentikan penagihan |
Pay-as-you-go | Kapasitas disk sistem dan durasi penggunaan. | Setiap tipe dan spesifikasi instans mencakup kuota gratis untuk disk sistem. Jika Anda memperluas kapasitas, Anda akan dikenai biaya untuk penyimpanan tambahan tersebut. | Hapus instans DSW. |
Untuk informasi lebih lanjut tentang penagihan, lihat Penagihan DSW. Untuk melihat tagihan Anda, lihat Lihat detail tagihan Anda.
Mulai cepat
Kami merekomendasikan pengguna baru untuk memulai dengan tutorial Mulai Cepat untuk DSW. Tutorial ini menggunakan contoh pengenalan digit tulisan tangan MNIST untuk membantu Anda memahami dan mulai menggunakan DSW dengan cepat.
Dapatkan bantuan
Untuk solusi masalah umum seperti kegagalan startup instans, pertanyaan penagihan, dan masalah konektivitas jaringan, lihat FAQ tentang DSW.