JFrog宣布提供Artifactory與機器學習服務Amazon SageMaker整合功能,藉由結合兩項服務,使得機器學習模型開發能夠也應用DevSecOps工作流程,並與其他軟體開發元件一起交付,使模型在發布時維持不可篡改、可追蹤、高安全性和可驗證性。
JFrog Artifactory構件儲存服務,適用於儲存和管理軟體供應鏈中,所用到的構件、二進位檔案、套件、檔案、容器和元件。而Amazon SageMaker則是全託管機器學習服務,提供用戶一系列建置、訓練和部署機器學習模型的工具。
在機器學習開發中,Artifactory提供版本控制和追蹤功能,方便管理大型且複雜的機器學習模型,使得模型各部分都能獲得精確的版本管理和安全性控制。其次,機器學習開發過程需要用來自公共儲存庫諸如PyPI、Docker Hub、Hugging Face的第三方軟體包,與含有私有程式碼的私有儲存庫,Artifactory則能有效管理相依項目,與相依項目之間的關係。
Artifactory也能處理安全性和法遵問題,像是專案所使用的Docker映像檔,或是其他相依項目可能存在安全漏洞,Artifactory能助用戶辨識這些漏洞並提供修復建議,進而降低安全風險,即便新的相依項目不可用或是不相容,Artifactory也能快速回退至先前的版本,減少開發中斷發生。在機器學習模型授權條款不適用於組織時,Artifactory能夠發現快速找到替代方案,並重新配置相依項目,降低違反授權和法律遵循的風險。
SageMaker所提供的內建功能已經能夠滿足常見機器學習開發用例,而整合Artifactory可以提供更專業或是特定用途所需的模型和工具,模型開發人員可以存取專有資源,用於研究、訓練和測試,而且也能供組織平臺和基礎設施團隊標準化開發環境,提高效率並滿足生產部署所需遵循的法規。此外,整合功能也可在需要的情況下,清除多餘未使用的套件和框架,使產品構件更精簡。
用戶除了可以使用SageMaker內建的工具之外,JFrog Artifactor也提供機器學習常用開發工具,包括引入Hugging Face儲存庫、容器映像檔註冊表、Python儲存庫與JFrog CLI,官方提到,這些工具都可以在SageMaker環境中使用。
Artifactory用戶可透過多種方式與SageMaker結合使用,但主要開發工作還是發生在SageMaker服務中,用戶於開發過程視時機啟用Artifactory執行個體授權存取,進而允許從Artifactory檢索構件,以及儲存專案所有的構件。
熱門新聞
2024-12-08
2024-12-08
2024-12-08
2024-11-29