{"id":115643,"date":"2024-05-09T01:52:05","date_gmt":"2024-05-08T23:52:06","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/red-hat-predstavil-distributiv-rhel-ai-i-rezhim-sborki-rhel-na-baze-ostree-i-bootc"},"modified":"2024-05-09T01:52:05","modified_gmt":"2024-05-08T23:52:06","slug":"red-hat-predstavil-distributiv-rhel-ai-i-rezhim-sborki-rhel-na-baze-ostree-i-bootc","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/news\/red-hat-predstavil-distributiv-rhel-ai-i-rezhim-sborki-rhel-na-baze-ostree-i-bootc","title":{"rendered":"Red Hat lanz\u00f3 la distribuci\u00f3n RHEL AI y el modo de construcci\u00f3n RHEL basado en OSTree y bootc","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
La empresa Red Hat ha presentado la distribuci\u00f3n Red Hat Enterprise Linux AI (RHEL AI), que est\u00e1 especialmente adaptada para realizar tareas de aprendizaje autom\u00e1tico y busca simplificar la creaci\u00f3n de soluciones de servidor que utilicen grandes modelos de di\u00e1logo. Incluye un conjunto de herramientas y marcos para el aprendizaje autom\u00e1tico, as\u00ed como controladores para utilizar diversos aceleradores de hardware de AMD, Intel y NVIDIA, y componentes para aprovechar las capacidades de los servidores Dell, Cisco, HPE, Lenovo y SuperMicro, optimizados para sistemas de AI. <\/p>\n
RHEL AI est\u00e1 dise\u00f1ado para el desarrollo, prueba y ejecuci\u00f3n de sistemas de aprendizaje autom\u00e1tico basados en el gran modelo de lenguaje Granite, que fue abierto por IBM bajo la licencia Apache 2.0, capaz de considerar hasta 4,000 tokens durante la generaci\u00f3n de texto y abarcando 7 mil millones de par\u00e1metros. Para interactuar con el modelo Granite, la distribuci\u00f3n incluye un conjunto de herramientas de c\u00f3digo abierto denominado InstructLab, que apoya la metodolog\u00eda LAB (Large-scale Alignment for chatBots) para ajustarse a las necesidades y optimizar los modelos, as\u00ed como para agregar conocimientos adicionales y realizar nuevas habilidades en modelos preentrenados. <\/p>\n
La plataforma puede ser utilizada para desarrollar aplicaciones de AI para necesidades empresariales y para implementar servicios para la generaci\u00f3n de contenido, creaci\u00f3n de sistemas de di\u00e1logo e integraci\u00f3n en aplicaciones de asistentes virtuales, que soportan habilidades como responder preguntas en lenguaje natural, resolver problemas matem\u00e1ticos, generar texto coherente sobre un tema dado, resumir contenido, corregir errores en el texto, realizar reescritura con otras palabras, ayudar en la redacci\u00f3n de c\u00f3digo en varios lenguajes de programaci\u00f3n, y generar cartas y documentos seg\u00fan plantillas.
<\/center> <\/p>\n
Adem\u00e1s, la empresa Red Hat ha presentado un nuevo modo para crear y gestionar im\u00e1genes del sistema basado en Red Hat Enterprise Linux \u2014 \u00abmodo de imagen\u00bb, que permite utilizar herramientas y tecnolog\u00edas usadas para crear y ejecutar contenedores de aplicaciones para el despliegue del sistema operativo. Este nuevo modo manipula im\u00e1genes del sistema monol\u00edticas, formadas con la herramienta rpm-ostree y actualizadas de forma at\u00f3mica sin descomponerse en paquetes individuales. <\/p>\n
Las im\u00e1genes se pueden crear en formatos OCI (como en Docker), ISO, QCOW2, AMI, VMI y VMDK. El contenido de la imagen se selecciona editando el archivo Containerfile. Para crear y gestionar im\u00e1genes, se pueden utilizar herramientas est\u00e1ndar de gesti\u00f3n de contenedores, como Podman y OpenShift Container Platform. Se puede usar tanto el instalador est\u00e1ndar Anaconda como la herramienta bootc-image-builder para convertir una imagen de contenedor en una imagen de disco de arranque. Para actualizar las im\u00e1genes de arranque de los contenedores, que vienen con el n\u00facleo de Linux y son capaces de arrancar de manera similar a las compilaciones normales del sistema, se utiliza la herramienta bootc. \n Fuente: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Red](\"\/wp-content\/uploads\/2024\/05\/e56edcdf47a72dbe1c0cfb3ff0e21430.png\")
<\/center> <\/p>\n