すべての AI モデルのトレーニングは、何かしらの生データから始まります。 テラバイトまたはペタバイト規模のデータをサーバーに移動する際には、高速なシーケンシャル書き込みパフォーマンスを備えた大容量ストレージによってデータの継続的な移動が可能になります。

汚れたデータを好む人はいません。 このフェーズ (「前処理」または「抽出・変換」とも呼ばれる処理) では、生データがクリーンアップされ、トークンとして整理され、トレーニング中に使用できるようになります。 ストレージ内では、これはたいていシーケンシャル読み込み動作です。

初期モデルでは、ランダムな順序でトレーニング・トークンを与えながら、後の出力を駆動する一連のパラメータを開発していました。 GPU の実行が長時間にわたると、ランダム読み込み処理が過負荷になることが予想されます。 チェックポイントの頻度は、シーケンシャル書き込みスループットに依存します。  

ピカピカの新しい AI モデルが展開され、新しい入力を処理して応答を生成します。 低レイテンシー・ストレージにより、リアルタイムな推論が可能になり、その「未来に生きる」という感覚を味わえます。

作業結果を保存して手間を省きましょう。コンプライアンスや監査の理由からその重要性が増すだけでなく、これらの入出力はすべて後でモデルを再トレーニングする際に使用できます。 ここでは、大容量が重要です。