使用 Docker 进行人工智能和机器学习

简化和加速您的 AI/ML 开发工作流程

AI/ML 加速

AI 和 ML 现在已成为许多应用程序的一部分，增加了开发环境的复杂性。Gartner 指出，到 2027 年，90% 的应用程序将包含 AI/ML。

Docker 消除了重复繁琐的配置任务，并在整个开发生命周期中使用，以实现快速、轻松、可移植的应用程序开发。借助 Docker，AI/ML 开发者花费更少时间在环境设置上，更多时间用于编码。

十多年来，开发者一直依赖 Docker 来加速开发环境的设置和部署。现代 AI/ML 应用程序复杂，Docker 为开发者节省时间，从而加速创新。

Docker Hub 上提供了数百种 AI/ML 镜像。来自 PyTorch、Tensorflow 和 Jupyter 等行业领先 AI/ML 工具的验证镜像提供了可信和经过测试的内容，为 AI/ML 从业者确保了坚实的起点。

AI/ML 模型需要一致的设置和部署才能产生准确的结果。Docker 使团队能够确保其模型和环境在每次部署时都是相同的。

可信内容、增强隔离、注册表访问管理以及 Docker Scout 共同为开发者团队提供了安全的环境。

Docker Hub 是大多数 AI/ML 模型的数千个 AI/ML 镜像的所在地。通过 Docker Hub，开发者可以以一致且安全的方式查找和快速部署环境。

Docker Hub 既是一个协作工具，也是社区开发者、开源贡献者和独立软件供应商（ISV）公开分发其代码的市场。

借助 Docker 和 Hugging Face，开发者可以在几分钟内启动和部署复杂的 ML 应用。借助 Hugging Face Spaces 对 Docker 的支持，您只需编写一个 Dockerfile 即可创建自定义应用。

Spaces 还为希望通过几次点击即可将端到端项目投入生产环境的成员提供了流行开源项目的预定义模板。

Docker 和 Kaskada 为 ML 从业者提供了一种专门针对当前问题的声明式语言。

Docker 提供可复现的开发环境和工具生态系统。Kaskada 使得在 ML 生命周期中共享机器学习“特性即代码”成为可能——从本地训练模型到在生产环境中维护实时特性。