{"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\/nl\/blog\/news\/red-hat-predstavil-distributiv-rhel-ai-i-rezhim-sborki-rhel-na-baze-ostree-i-bootc","title":{"rendered":"Red Hat heeft de distributie RHEL AI en de bouwmodus RHEL op basis van OSTree en bootc ge\u00efntroduceerd.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Red Hat heeft de distributie Red Hat Enterprise Linux AI (RHEL AI) ge\u00efntroduceerd, die speciaal is aangepast voor het uitvoeren van machine learning-taken en is ontworpen om het cre\u00ebren van serveroplossingen met behulp van grote dialogmodellen te vereenvoudigen. Het bevat een verzameling tools en frameworks voor machine learning, evenals stuurprogramma's voor het gebruik van verschillende hardwareversnellers van AMD, Intel en NVIDIA, en componenten om de mogelijkheden van servers van Dell, Cisco, HPE, Lenovo en SuperMicro te benutten, geoptimaliseerd voor AI-systemen. <\/p>\n
RHEL AI is bedoeld voor de ontwikkeling, het testen en de uitvoering van machine learning-systemen op basis van het grote taalmodel Granite, dat door IBM onder de Apache 2.0-licentie is opengezet en in staat is om tot 4.000 tokens te genereren, met 7 miljard parameters. Voor interactie met het model Granite is er een open toolkit genaamd InstructLab ge\u00efntegreerd in de distributie, die de LAB-methodologie (Large-scale Alignment for chatBots) ondersteunt voor het afstemmen op gebruiksbehoeften en het optimaliseren van modellen, evenals het toevoegen van extra kennis en het implementeren van nieuwe vaardigheden in van tevoren getrainde modellen. <\/p>\n
Het platform kan worden gebruikt voor het ontwikkelen van AI-toepassingen voor bedrijfsdoeleinden en voor de implementatie van diensten voor contentgeneratie, het cre\u00ebren van dialogsysteem en de integratie in applicaties van virtuele assistenten, die vaardigheden ondersteunen zoals het beantwoorden van vragen in natuurlijke taal, het oplossen van wiskundige problemen, het genereren van samenhangende tekst over een specifiek onderwerp, het maken van samenvattingen van inhoud, het corrigeren van fouten in tekst, het uitvoeren van herschrijven in andere woorden, en het helpen bij het schrijven van code in verschillende programmeertalen, evenals het opstellen van brieven en documenten volgens een sjabloon.
<\/center> <\/p>\n
Bovendien heeft Red Hat een nieuwe modus ge\u00efntroduceerd voor het maken en beheren van systeembestanden op basis van Red Hat Enterprise Linux \u2014 de 'image mode', waarmee tools en technologie\u00ebn die voor het maken en uitvoeren van applicatiecontainers worden gebruikt, kunnen worden ingezet voor het implementeren van het besturingssysteem. Deze nieuwe modus beheert monolithische systeembestanden die worden gegenereerd met behulp van het rpm-ostree hulpmiddel en worden atomair bijgewerkt zonder deze in aparte pakketten te splitsen. <\/p>\n
Builds kunnen worden gevormd als afbeeldingen in de formaten OCI (zoals in Docker), ISO, QCOW2, AMI, VMI en VMDK. De inhoud van de afbeelding wordt geselecteerd door het bewerken van het Containerfile. Voor het cre\u00ebren en beheren van afbeeldingen kunnen standaard containerbeheer hulpmiddelen zoals Podman en OpenShift Container Platform worden gebruikt. Voor de installatie van afbeeldingen kan zowel de standaardinstaller Anaconda als de tool bootc-image-builder worden toegepast, die het mogelijk maakt om een containerafbeelding om te zetten in een opstartbaar schijfbeeld. Voor het bijwerken van opstartbare containerafbeeldingen, die worden geleverd met de Linux-kernel en kunnen worden opgestart zoals reguliere systeembuilds, wordt de tool bootc gebruikt. \n Bron: 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