概述

SKIL减少了实验数据科学建模、关键测试和产品决策以及可扩展部署工程之间的冲突。它弥合了Python生态系统与DevOps、IT和数据工程师部署体系结构之间的鸿沟。

从开始到结束

image image.gif

​

使用skil的团队可以期望对以下工作流程提供支持：

• 模型与数据配置
• DNN 训练
• 数据和结果的协作用户界面
• 实验和模型的版本化
• 可扩展的微服务部署架构
• 模型服务API
• 管理 UI

与Hadoop和Spark集成后，Skil被设计用于分布式GPU上的业务环境，以及Prem、云端或混合系统上的CPU。

工具和配置

在学习不同的工作流程（如转换数据或部署转换）之前，了解一些基本工具很重要。这包括：

• 工作间
• 笔记本

配置同样重要，尤其是在处理内存不足错误（OOM）等问题时。这些基本配置可以帮助你避免常见问题：

• 内存设置
• 日志