Հետ
Արհեստական բանականություն և մեքենայական ուսուցում

Գործակալների ծախսերի հետևումը AWS-ում բազմագործակալային AI համակարգերի համար

Dev.to
Advertisement468 × 90
Գործակալների ծախսերի հետևումը AWS-ում բազմագործակալային AI համակարգերի համար

Այս հոդվածը քննարկում է բազմագործակալային AI համակարգերի դիտարկելիության (observability) կարևորագույն խնդիրը, որտեղ ավանդական մոնիտորինգը հաճախ չի նկատում թաքնված ֆինանսական կորուստները: Նույնիսկ եթե գործակալային աշխատանքային հոսքը հաջող արդյունք է տալիս, այն կարող է սպառել ավելորդ տոկեններ կամ կատարել ավելորդ դատողական ցիկլեր: Հեղինակը ցույց է տալիս, թե ինչպես իրականացնել գործակալների ծախսերի հետևում AWS-ում՝ օգտագործելով Traccia SDK-ն և OpenTelemetry-ն: Տոկենների քանակի, գործակալի ինքնության և դոլարային արժեքի նման հատկանիշներով սպաները (spans) գործիքավորելով՝ մշակողները կարող են մանրամասն տեսանելիություն ստանալ ծախսերի վերաբերյալ: Ուղեցույցը տրամադրում է գործնական, միայն ընթերցման (read-only) մոտեցում՝ «AWS Account Investigator» թիմ ստեղծելու համար, ինչը թույլ է տալիս բացահայտել և նվազեցնել թաքնված ծախսերը՝ առանց արտադրական ենթակառուցվածքը փոփոխելու: Այս մեթոդաբանությունը դուրս է գալիս պարզ մոնիտորինգի սահմաններից՝ թույլ տալով թիմերին կառավարել ծախսերը և հայտնաբերել արդյունավետության անկումները բարդ, ինքնավար AI միջավայրերում:

This is a summary. Read the full article at the original source:

Dev.to
Advertisement468 × 90
Share
Արհեստական բանականություն և մեքենայական ուսուցում

Կապակցված

Այս ուղեցույցը ներկայացնում է Langflow-ի՝ բաց կոդով, ցածր կոդավորում պահանջող վիզուալ հարթակի ինքնուրույն տեղակայման մանրամասն քայլերը, որը նախատեսված…

Dev.to

Ինտերպոլը հաջողությամբ նույնականացրել է 126 կասկածյալ ահաբեկչի՝ «Operation Shams II» գործողության շրջանակներում, որն օգտագործել է արհեստական բանականու…

TechRadar

Meta-ն ներկայացրել է արհեստական բանականությամբ աշխատող գնումների նոր օգնական, որը նախատեսված է տնային գործերի և սպառողական գնումների կառավարման գործըն…

The Verge
Advertisement970 × 250