यह BentoML नाम का विंडोज़ ऐप है जिसकी नवीनतम रिलीज़ को BentoML-v1.1.7sourcecode.zip के रूप में डाउनलोड किया जा सकता है। इसे वर्कस्टेशन के लिए मुफ्त होस्टिंग प्रदाता ऑनवर्क्स में ऑनलाइन चलाया जा सकता है।
ऑनवर्क्स के साथ बेंटोएमएल नाम के इस ऐप को ऑनलाइन डाउनलोड करें और चलाएं।
इस ऐप को चलाने के लिए इन निर्देशों का पालन करें:
- 1. इस एप्लिकेशन को अपने पीसी में डाउनलोड करें।
- 2. हमारे फ़ाइल प्रबंधक में https://www.onworks.net/myfiles.php?username=XXXXX उस उपयोगकर्ता नाम के साथ दर्ज करें जो आप चाहते हैं।
- 3. इस एप्लिकेशन को ऐसे फाइल मैनेजर में अपलोड करें।
- 4. इस वेबसाइट से कोई भी ओएस ऑनवर्क्स ऑनलाइन एमुलेटर शुरू करें, लेकिन बेहतर विंडोज ऑनलाइन एमुलेटर।
- 5. ऑनवर्क्स विंडोज ओएस से आपने अभी शुरुआत की है, हमारे फाइल मैनेजर को https://www.onworks.net/myfiles.php?username=XXXXX उस यूजरनेम के साथ जाएं जो आप चाहते हैं।
- 6. एप्लिकेशन डाउनलोड करें और इसे इंस्टॉल करें।
- 7. अपने Linux वितरण सॉफ़्टवेयर रिपॉजिटरी से वाइन डाउनलोड करें। एक बार इंस्टॉल हो जाने पर, आप ऐप को वाइन के साथ चलाने के लिए डबल-क्लिक कर सकते हैं। आप PlayOnLinux को भी आज़मा सकते हैं, जो वाइन पर एक फैंसी इंटरफ़ेस है जो आपको लोकप्रिय विंडोज़ प्रोग्राम और गेम इंस्टॉल करने में मदद करेगा।
वाइन लिनक्स पर विंडोज सॉफ्टवेयर चलाने का एक तरीका है, लेकिन विंडोज की आवश्यकता नहीं है। वाइन एक ओपन-सोर्स विंडोज संगतता परत है जो किसी भी लिनक्स डेस्कटॉप पर सीधे विंडोज प्रोग्राम चला सकती है। अनिवार्य रूप से, वाइन खरोंच से पर्याप्त विंडोज़ को फिर से लागू करने की कोशिश कर रहा है ताकि वह उन सभी विंडोज़ अनुप्रयोगों को वास्तव में विंडोज़ की आवश्यकता के बिना चला सके।
स्क्रीनशॉट
Ad
बेंटोएमएल
वर्णन
बेंटोएमएल एमएल मॉडल परिनियोजन को सरल करता है और आपके मॉडल को उत्पादन पैमाने पर पेश करता है। मूल रूप से कई ML फ्रेमवर्क का समर्थन करें: Tensorflow, PyTorch, XGBoost, Scikit-Learn और भी बहुत कुछ! प्री-प्रोसेसिंग, पोस्ट-प्रोसेसिंग और एन्सेम्बल मॉडल के साथ कस्टम सर्विंग पाइपलाइन को परिभाषित करें। आसान वर्जनिंग और परिनियोजन के लिए पैकेजिंग कोड, मॉडल और निर्भरता के लिए मानक .बेंटो प्रारूप। किसी भी प्रशिक्षण पाइपलाइन या एमएल प्रयोग मंच के साथ एकीकृत करें। सर्विंग लॉजिक से अलग पैमाने पर गणना-गहन मॉडल अनुमान वर्कलोड को समानांतर करें। अनुकूली बैचिंग गतिशील रूप से इष्टतम प्रदर्शन के लिए अनुमान अनुरोधों को समूहित करता है। ऑर्केस्ट्रेट ने कुबेरनेट्स पर यताई के माध्यम से कई मॉडलों के साथ अनुमान ग्राफ वितरित किया। GPU के साथ अनुमान चलाने के लिए CUDA निर्भरता को आसानी से कॉन्फ़िगर करें। उत्पादन परिनियोजन के लिए स्वचालित रूप से डॉकर छवियां उत्पन्न करें।
विशेषताएं
- आरईएसटी एपीआई या जीआरपीसी के माध्यम से ऑनलाइन सेवा
- Apache Spark, या Dask . के साथ बैच डेटासेट पर ऑफ़लाइन स्कोरिंग
- काफ्का, बीम और फ्लिंक के साथ स्ट्रीम सर्विंग
- उत्पादन परिनियोजन के लिए स्वचालित रूप से डॉकर छवियां उत्पन्न करें
- Kubernetes पर पैमाने पर मॉडल परिनियोजन
- किसी भी क्लाउड प्लेटफ़ॉर्म पर तेज़ मॉडल परिनियोजन
प्रोग्रामिंग भाषा
अजगर
कैटिगरीज
यह एक ऐसा एप्लिकेशन है जिसे https://sourceforge.net/projects/bentoml.mirror/ से भी प्राप्त किया जा सकता है। इसे ऑनवर्क्स में होस्ट किया गया है ताकि इसे हमारे एक फ्री ऑपरेटिव सिस्टम से सबसे आसान तरीके से ऑनलाइन चलाया जा सके।
