在上节直播课中，我们了解到数据集是 AI 模型训练的基石，而它们需要被高效地存储和快速地访问，以确保模型能够及时获得所需的信息进行学习和优化。而在 AI 开发的过程中，AI 存储系统直接影响到数据集的加载速度，从而影响 AI 工作负载的优化。
那么 AI 开发所需的存储系统，到底是什么样的呢？
（1）必须提供快速的数据访问和高吞吐量，以确保 GPU 能够及时处理数据，减少空闲等待时间。
（2）能够支持高效的数据预处理和增强操作，为了适应不同的数据访问需求，优化顺序和随机 I/O 模式也比较重要。
（3）承担着定期保存模型状态的重任，尤其是检查点保存，大模型需要高读写带宽，以高效保存和恢复检查点。而在频繁检查点保存的情况下，累积的检查点可能会产生更加显著的存储需求。
这些都是目前市面上对于 AI 存储系统的诉求。对此，「DaoCloud 道客」也有一套对应的解决方案，我们将会在下周二 11 月 19 日的 AI 进阶指南系列直播课中与大家分享《新时代的 AI 存储》。如果你也对此抱有好奇或者在工作中已经遇到了类似的困难，不要犹豫，点击下方链接进行直播课程的预约。
如果对于之前的系列课程内容有疑问，需要专家解答，也欢迎扫描下方海报的二维码，加入我们的课后群，获取第一手课件资料和大咖讲师的专属答疑。
热门推荐
访问以下网址，或点击文末【阅读原文】立即体验
DaoCloud 公司简介
网址：www.daocloud.io
邮件：info@daocloud.io
电话：400 002 6898
