서비스 관련 문의는 VESSL 커뮤니티 슬랙을 이용하시면 가장 빠르게 답변 받으실 수 있습니다.
슬랙에 가입하신 후
#yonsei-ai 채널에 질문을 남겨주세요. (슬랙 링크)VESSL 소개
VESSL은 모델 학습부터 최적화, 배포까지 머신러닝 개발 전과정을 한곳에서 지원하는 “end-to-end MLOps” 플랫폼으로 (참고 — MLOps를 시작하는 5가지 방법, VESSL AI), 연세대학교 인공지능대학원, KAIST 김재철AI대학원, 서울대학교 공과대학교, MIT 미디어랩 등의 교육기관과 현대자동차, 코그넥스, 한국원자력연구원 등의 기업 및 연구기관에서 사용하고 있습니다.
교육 및 연구 환경에서는 학생들이 보다 쉽게 대학과 연구실의 GPU 클러스터 자원을 할당 받고, 개발환경을 빠르게 구축하여 머신러닝 모델을 개발할 수 있도록 지원하고 있습니다:
- 자원 최적화 — 연세대학교 AI 데이터센터에 설치된 GPU를 200여 명의 사용자들에게 효율적으로 배분하는 자원 할당 및 스케쥴링 지원
- 개발환경 구축 — 인공지능대학원와 공과대학 수업 및 연구실에서 필요한 모든 머신러닝 라이브러리, 프레임워크, 데이터셋 등이 연동되어 별도의 설정이 필요 없는 일관된 개발환경 제공
- 손쉬운 사용법 — 소프트웨어 배경 및 현업 개발 경험이 없는 학생들도 클릭 몇번으로 모델을 쉽게 개발, 학습, 최적화 할 수 있는 웹 인터페이스 제공
AI 클러스터에 더해 연구실 GPU 서버, 스토리지, 코드베이스를 연동해 VESSL을 사용하고 싶으신 대학원생 분들은
VESSL AI for Academics 문서를 참고해주세요.
VESSL을 이용한 모델 개발 과정
VESSL을 이용한 모델 개발 과정은 두 단계로 구성되어 있습니다:
- VESSL Workspaces — 주피터 노트북을 이용한 기준모델(baseline model) 개발
- VESSL Experiments — 머신러닝 잡(job)을 이용한 모델 학습
VESSL을 이용한 모델, 데이터셋, 클러스터 관리
나아가 모델 개발 과정에 필요한 모델, 데이터셋, 클러스터 관리 기능을 다음과 같이 제공합니다.
- VESSL Models — 모델 레지스트리를 이용한 모델 버전관리
- VESSL Datasets — 데이터셋 연동 및 관리
- VESSL Clusters — 클러스터 사용 현황 및 유휴 자원 모니터링
사용 가이드
“Home” 페이지의 온보딩 튜토리얼에서 서비스를 직접 사용해보며 사용법을 배울 수 있습니다.
추가 참고 자료
VESSL AI
As of 09-19-2022