Panasas fördert gemeinsam mit MLCommons Storage-Innovationen für Maschinelles Lernen
Panasas-Softwarearchitekt Curtis Anderson arbeitet als Co-Vorsitzender der Arbeitsgruppe MLPerf Storage an der Entwicklung von ML-Storage-Benchmarks.
München, Deutschland: Panasas®, die Daten-Engine für Innovationen, gibt heute die Zusammenarbeit mit MLCommons™, dem Konsortium hinter MLPerf™, bekannt. Ihr gemeinsames Ziel besteht darin, branchenweite Benchmarks für ML-Storage (Machine Learning) aufzustellen. Zu diesem Zweck werden sie Best Practices für die Messung der ML-Storage-Performance erarbeiten und somit zur Entwicklung der nächsten Generation von Storage-Systemen für KI/ML beitragen.
Panasas entwickelt branchenführende Lösungen für Daten-Storage mit einem hervorragenden Preis-Leistungs-Verhältnis. Diese Lösungen fördern Innovationen in einer Vielzahl von Computing-Umgebungen. Das Panasas ActiveStor®-Portfolio umfasst das All-NVMe ActiveStor® Flash-System, das brillante Performance für kleine und zufällige Dateien ermöglicht sowie verbesserte Unterstützung für KI/ML-Projekte bietet. Alle Lösungen von Panasas basieren auf dem Vorzeigeprodukt des Unternehmens, dem parallelen Dateisystem PanFS®. Diese zuverlässige und autonome Daten-Engine orchestriert vernetzte Server zu einem einzigen Dateisystem, das Daten mit einer Geschwindigkeit von bis zu Hunderten von Gigabyte pro Sekunde für Clients bereitstellt.
MLCommons ist ein offenes und globales Engineering-Konsortium mit dem Ziel, maschinelles Lernen für jeden zu verbessern. Das Konsortium fördert die Verbreitung und Demokratisierung von maschinellem Lernen durch Benchmarks, große öffentliche Datasets und Best Practices. Panasas wandte sich an MLCommons, um die Storage-Herausforderung im ETL-Prozess (Extrahieren, Transformieren und Laden) und deren Auswirkungen auf die Gesamtleistung der ML-Pipeline zu besprechen. Das Gespräch fand zum richtigen Zeitpunkt statt, da MLCommons gerade mit dem Aufbau der MLPerf Storage-Arbeitsgruppe begonnen hatte. Aufgabe dieser Arbeitsgruppe ist es, einen Storage-Benchmark zu entwickeln, mit dem die Performance von ML-Workloads einschließlich der Datenaufnahme-, Trainings- und Inferenzphasen bewertet werden kann.
MLCommons lud Panasas zur Teilnahme an den Gründungsbesprechungen ein. Im Anschluss daran wurde Curtis Anderson, Softwarearchitekt bei Panasas, zum Co-Vorsitzenden ernannt. “Das ultimative Ziel der MLPerf Storage-Arbeitsgruppe besteht darin, einen Storage-Benchmark für die gesamte ML-Pipeline zu erstellen, der mit verschiedenen Software-Frameworks und Hardware-Accelerators kompatibel ist”, so David Kanter, Gründer und Executive Director von MLCommons. “Ich danke Panasas dafür, dass sie ihr umfangreiches Storage-Wissen eingebracht haben. Ganz besonders danke ich Curtis für seine Führungsqualitäten, die er als Co-Vorsitzender dieser Arbeitsgruppe beisteuert.”
“Es ist mir eine Ehre, Co-Vorsitzender der MLPerf Storage-Arbeitsgruppe zu sein, und ich freue mich auf die bedeutenden Fortschritte, die dieses Team erzielen wird”, betont Curtis Anderson. “KI/ML-Fachleute arbeiten heutzutage an bahnbrechenden Projekten. Ich freue mich darauf, bei der Entwicklung der Benchmarks mitzuwirken, mit denen sie die für ihre Projekte erforderlichen Storage-Systeme ermitteln können.”
© 2022 Panasas, Inc. Panasas, das Panasas-Logo, PanFS und ActiveStor sind Marken oder eingetragene Marken von Panasas, Inc. in den USA und/oder anderen Ländern. Alle anderen Marken, eingetragenen Marken, Handelsnamen, Firmennamen und Dienstleistungsmarken sind Eigentum der jeweiligen Inhaber.