Skip to content
    NVIDIA_PreferredPartner_Default_RGB-1

    多米诺与NVIDIA合作®, supports open, collaborative, reproducible model development, training, 并且管理不受DevOps的约束——以高效为动力, end-to-end compute. Democratize GPU access 通过为数据科学团队提供强大的NVIDIA AI解决方案-在内部部署, in the cloud, or in the modern hybrid cloud.

    提供自助访问基础设施的服务

    使用最新的NVIDIA gpu启动按需工作区, 使用开源和商业数据科学工具进行优化, frameworks, 还有库——不需要开发人员.

    附加自动伸缩集群,动态增长和收缩-使用流行的计算框架,如Spark, Ray, 和Dask——满足深度学习和训练工作量的需求.

    数据科学家可以专注于研究,而IT团队则可以消除基础设施配置和调试任务. 

    nvidia-img1

    集中编排工作负载以提高工作效率

    Domino充当跨记录工具的单一系统, packages, infrastructure, and compute frameworks.

    为数据科学家提供对其首选ide的自助访问, languages, 和软件包,这样他们就可以专注于数据科学创新.

    Reduce IT costs, management, 并通过在各个项目和团队的中心位置整合和编排的工具和NVIDIA基础设施来支持负担. 

    NVIDIAPage_Repo

    再现工作和复合知识

    跟踪跨团队和不同工具的所有数据科学工件——包括代码, package versions, parameters, NVIDIA infrastructure, and more.

    Establish full visibility, repeatability, 以及在整个端到端生命周期中的任何时候的再现性.

    使用不同工具的团队可以在项目上无缝协作, 有能力利用有价值的见解和收获集体智慧的流动.

     

    NVIDIAPage_Repro5

    Streamline Inference & Hosting

    支持从构思到生产-探索的端到端模型生命周期, train, validate, deploy, monitor, 并在单一平台上重复使用最新的NVIDIA GPU加速功能.

    Domino使数据科学家可以轻松地将模型作为API发布, integrated in a web app, 或作为计划作业部署—同时监视漂移和持续运行状况.

    通过通用模式和工作流实践,减少摩擦,使数据科学专业化, 因此,所有参与数据科学的团队都可以最大限度地提高生产力和影响力. 

     

    NVIDIA Page Streamline

    GPU资源的驱动器利用率

    轻松配置、共享和管理NVIDIA GPU资源. 根据用户组和用例设置权限,保证宝贵的计算资源得到有效利用.

    随着Domino在NVIDIA A100张量核心GPU上支持NVIDIA多实例GPU (MIG)技术, 管理员可以允许多达56个并发笔记本或托管模型, 每个都有一个独立的GPU实例.

    Domino为IT提供了对GPU硬件利用率的可见性. 使用信息和跟踪使IT能够轻松地分配资源和退款,同时还可以衡量ROI.

     

    nvidia-img4

    受到各行业客户的信赖

    了解企业如何使用Domino和NVIDIA构建模型驱动的竞争优势

    Allstate
    卓越保险分析中心

    将基于事实的决策编织到组织结构中.
    Watch panel
    Lilly
    在整个医疗保健价值链中扩展创新

    如何大规模部署数据科学——从组织战略到基础设施和工具.
    Watch panel
    Lockheed Martin
    Anomaly Detection in Aerospace & Manufacturing

    应用领先的数据科学来推动火箭科学的界限.
    Watch webinar
    Topdanmark
    自然语言处理在保险中的应用

    模型驱动的策略审批比传统方法快800倍.
    Watch webinar
    Johnson & Johnson / Janssen
    医药图像分类 & Biotech

    深度学习模型的开发速度加快10倍,以提供精准医疗.
    Read case study
    AES
    能源预测性维护 & Utilities

    管理发电设备, optimize liquid gas shipping, make hydrology predictions, and more.
    Watch webinar

    Domino & NVIDIA Perspectives |缩放企业中的MLOps

    On-Demand NVIDIA GTC Panel
    Kubernetes作为企业MLOps基础的愿景

    向Kubernetes和gpu加速数据科学的创新者学习.

    On-demand NVIDIA GTC Panel
    How Johnson & Johnson正在将数据科学嵌入其业务中

    Discussion featuring Johnson & Johnson CIO, Jim Swanson

    Featured Integrations

    达美乐与NVIDIA的密切合作意味着永利贵宾会的企业MLOps平台支持广泛的NVIDIA加速计算解决方案.

    在NVIDIA LaunchPad上免费试用Domino!

    在NVIDIA AI Enterprise上使用Domino,可立即短期访问精心策划的实验室.

    Technical Resources

    Technical Webinars

    虚拟化gpu加速的数据科学和人工智能工作流 在您的数据中心使用企业mlop

    March 2022, NVIDIA GTC Session

    NVIDIAAIEnterpriseDomino

    打破模拟、分析和人工智能之间的孤岛,扩大创新规模

    2021年11月,NVIDIA GTC会议

    TCS HPC A3 Solution

    超越Spark: Dask和Ray作为多节点加速计算框架

    2021年11月,NVIDIA GTC会议

    ray-dask-spark-uber-architecture-1

    用MATLAB和Domino从原始数据到NVIDIA Jetson的视觉目标识别

    April 2021, NVIDIA GTC Session

    nvidia-use-cases1

    减少花在模型训练和调优上的时间. 使用Ray和PyTorch释放多节点GPU加速!

    April 2021, NVIDIA GTC Session

    nvidia-use-cases2

    使用以下命令运行复杂工作负载 按需gpu加速的Spark/RAPIDS集群 

    April 2021, NVIDIA GTC Session

    nvidia-use-cases5

     

    Data Science Blogs

    基于深度神经网络和OpenCV的特征提取和图像分类

    Dr. Behzad Javaheri, 2022年3月24日

    object_detection_figure7

    通过Spark加速并行C/ c++代码执行的机器学习

    尼古拉·曼切夫,2022年2月16日

    DSBlog_Speedingupmachinelearning

    用gpu驱动机器学习

    Dr. J Rogel-Salazar, 2021年12月3日

    gpu_machine_learning

    深度学习和神经网络导论

    David Weedwark, 2021年11月18日

    deep-neural-network_narrow

    Spark, Dask和Ray:选择正确的框架

    尼古拉·曼切夫,2021年9月7日

    ray-dask-spark-uber-architecture-1