使用 Docker 進行人工智慧和機器學習
簡化並加速您的 AI/ML 開發流程
AI/ML 加速
人工智慧 (AI) 和機器學習 (ML) 現在是許多應用程式的一部分，並增加了開發環境的複雜性。Gartner 指出，到 2027 年，90% 的應用程式將包含 AI/ML。
Docker 消除了重複、單調的配置任務，並在整個開發生命週期中使用，以實現快速、輕鬆和可移植的應用程式開發。借助 Docker，AI/ML 開發人員可以減少環境設置時間，將更多時間用於編碼。
更快、更安全的 AI/ML 開發
更快的編碼速度
十多年來，開發人員一直依靠 Docker 來加速其開發環境的設置和部署。現代 AI/ML 應用程式非常複雜，Docker 為開發人員節省了時間以加速創新。
數百種 AI/ML 模型和映像檔
Docker Hub 上提供了數百種 AI/ML 映像檔。來自業界領先的 AI/ML 工具（例如 PyTorch、Tensorflow 和 Jupyter）的驗證映像檔提供了經過信任和測試的內容，可確保 AI/ML 從業人員有一個良好的起點。
可重現性
AI/ML 模型需要一致的設置和部署才能產生準確的結果。Docker 允許團隊確保其模型和環境對於每次部署都是相同的。
預設安全
受信任的內容、增強的隔離性、登錄檔存取管理和 Docker Scout 都致力於為開發團隊提供安全的環境。
Docker Hub 上的精選 AI/ML 儲存庫
Docker Hub 上的 AI/ML
Docker Hub 是適用於大多數 AI/ML 模型的數千個 AI/ML 映像檔的所在地。借助 Docker Hub，開發人員可以以一致且安全的方式查找和快速部署環境。
Docker Hub 是一個協作工具，也是社區開發人員、開源貢獻者和獨立軟體供應商 (ISV) 公開發布其程式碼的市場。
Hugging Face
借助 Docker 和 Hugging Face，開發人員可以在幾分鐘內啟動和部署複雜的 ML 應用程式。借助 Hugging Face Spaces 上對 Docker 的支援，您只需編寫 Dockerfile 即可創建自定義應用程式。
Spaces 還為希望只需點擊幾下即可將其端到端項目投入生產的成員提供了流行開源項目的預定義範本。
DataStax
Docker 和 Kaskada 為 ML 從業人員提供了一種專為手頭問題設計的宣告式語言。
Docker 提供了可重現的開發環境和工具生態系統。Kaskada 支援在整個 ML 生命週期中共享機器學習“功能即程式碼”——從在本地訓練模型到在生產中維護即時功能。