Permite flujos de trabajo de desarrollo fluidos al integrar capacidades de entrenamiento e inferencia de modelos de IA directamente en los entornos de Visual Studio Code y PyCharm, lo que permite a los ingenieros de aprendizaje automático ejecutar código localmente o de forma remota.

Priority
Esta función sirve de puente entre los entornos de desarrollo locales y los recursos de computación basados en la nube para inteligencia artificial. Al integrar plugins para Visual Studio Code y PyCharm, los ingenieros de aprendizaje automático pueden iniciar la compilación de modelos, el ajuste de hiperparámetros y las pruebas de inferencia directamente desde su editor. El sistema gestiona la orquestación de la computación subyacente de forma transparente, garantizando que el código escrito en Python u otros lenguajes se ejecute en clústeres de GPU optimizados sin la necesidad de configurar manualmente la infraestructura en la nube.
El plugin del IDE establece un canal de comunicación seguro entre el entorno de desarrollo local y el clúster de computación remoto.
Los ingenieros de Machine Learning pueden ejecutar scripts de entrenamiento con comandos de un solo clic, aprovisionando automáticamente los recursos de GPU necesarios según los requisitos del script.
Se proporcionan bucles de retroalimentación en tiempo real para visualizar directamente las métricas del modelo dentro de la interfaz del entorno de desarrollo integrado (IDE) durante el proceso de entrenamiento.
Instale la extensión oficial de VSCode o PyCharm para la plataforma de inteligencia artificial específica.
Configure las credenciales de autenticación para vincular el entorno de desarrollo local con el entorno de computación en la nube.
Seleccione una plantilla de aprendizaje automático predefinida o cargue repositorios de código personalizados para su procesamiento.
Inicie el trabajo de entrenamiento o inferencia a través del panel de comandos integrado, especificando los requisitos de recursos.
Una extensión especializada que incorpora comandos específicos de inteligencia artificial, permitiendo a los usuarios depurar modelos y ejecutar experimentos de inferencia con registro integrado.
Mejora la experiencia de desarrollo en Python con la función de autocompletado de código para bibliotecas de aprendizaje automático y soporte integrado para trabajos de entrenamiento distribuidos.
Una interfaz unificada dentro del IDE para monitorear el uso de recursos, visualizar registros de experimentos en tiempo real y administrar las configuraciones del clúster.