红帽全球峰会Red Hat OpenShift AI Self-Managed 2.22
Related Products
Red Hat OpenShift AI Cloud Service
Switch to the managed Cloud Service documentation
Red Hat AI Inference Server
Switch to the AI Inference Server documentation
Red Hat Enterprise Linux AI
Switch to the Enterprise Linux AI documentation
Welcome
发行注记
与这个版本相关的功能、功能增强、已解决的问题以及已知的问题
Red Hat OpenShift AI 简介
OpenShift AI 是数据科学家和智能和机器学习(AI/ML)应用程序的开发人员的平台
Supported configurations
Supported software platforms and architecture
Product life cycle
Understand the product life cycle to plan deployments and support applications using the product
Red Hat AI learning hub
Explore a curated collection of learning resources designed to help you accomplish key tasks with Red Hat AI products and services
Provide feedback on Red Hat documentation
Let Red Hat know how we can make our documentation better
Documentation for OpenShift cluster administrators
安装和卸载 OpenShift AI Self-Managed
安装和卸载 OpenShift AI Self-Managed
在断开连接的环境中安装和卸载 OpenShift AI Self-Managed
在断开连接的环境中安装和卸载 OpenShift AI Self-Managed
升级 OpenShift AI Self-Managed
在 OpenShift 上升级 OpenShift AI
在断开连接的环境中升级 OpenShift AI Self-Managed
在断开连接的环境中升级 Red Hat OpenShift AI on OpenShift
创建工作台
使用自定义资源定义(CRD)和命令行创建工作台和自定义镜像。
管理 OpenShift AI
用于管理 OpenShift AI 的集群管理员任务
启用模型 registry 组件
在 Red Hat OpenShift AI Self-Managed 中启用模型 registry 组件
Configuring Feature Store (Technology Preview)
Install and manage Feature Store as a component in the Red Hat OpenShift AI Operator configuration
Enabling LAB-tuning (Technology Preview)
Enable model customization with LAB-tuning
Usage data collection notice
Learn about data collected in relation with your usage of the software
Documentation for OpenShift AI administrators
管理资源
从 OpenShift AI 仪表板管理管理任务
Working with RAG (Developer Preview)
Working with RAG in Red Hat OpenShift AI Self-Managed
使用加速器
使用 Red Hat OpenShift AI Self-Managed 中的加速器
管理模型 registry
在 Red Hat OpenShift AI Self-Managed 中管理模型 registry
Documentation for OpenShift AI users
Red Hat OpenShift AI Self-Managed 入门
了解如何在 OpenShift AI 环境中工作
OpenShift AI 教程 - Fraud 检测示例
使用 OpenShift AI 在 JupyterLab 中培训示例模型，部署模型，并使用自动化管道优化模型
在 S3 兼容对象存储中使用数据
使用存储在工作台中的 S3 兼容对象存储中的数据
使用数据科学项目
在项目和工作台中组织工作，创建并就笔记本、培训和部署模型、配置模型服务器和实施管道进行合作
在数据科学 IDE 中使用
通过 Red Hat OpenShift AI Self-Managed 在数据科学 IDE 中工作
使用数据科学项目管道
使用 Red Hat OpenShift AI Self-Managed 中的数据科学管道
Customizing models with LAB-tuning (Technology Preview)
Customize models with LAB-tuning
监控数据科学模型
监控 OpenShift AI 模型公平
使用分布式工作负载
使用分布式工作负载实现更快速、高效的数据处理和模型培训
使用连接的应用程序
从 Red Hat OpenShift AI Self-Managed 连接到应用程序
使用模型 registry
在 Red Hat OpenShift AI Self-Managed 中使用模型 registry
服务模型
Red Hat OpenShift AI Self-Managed 中的服务模型
API tiers
View a list of API tiers and API version examples for OpenShift AI
'%20d='M201.5%20305.5c-13.8%200-24.9-11.1-24.9-24.6%200-13.8%2011.1-24.9%2024.9-24.9%2013.6%200%2024.6%2011.1%2024.6%2024.9%200%2013.6-11.1%2024.6-24.6%2024.6zM504%20256c0%20137-111%20248-248%20248S8%20393%208%20256%20119%208%20256%208s248%20111%20248%20248zm-132.3-41.2c-9.4%200-17.7%203.9-23.8%2010-22.4-15.5-52.6-25.5-86.1-26.6l17.4-78.3%2055.4%2012.5c0%2013.6%2011.1%2024.6%2024.6%2024.6%2013.8%200%2024.9-11.3%2024.9-24.9s-11.1-24.9-24.9-24.9c-9.7%200-18%205.8-22.1%2013.8l-61.2-13.6c-3-.8-6.1%201.4-6.9%204.4l-19.1%2086.4c-33.2%201.4-63.1%2011.3-85.5%2026.8-6.1-6.4-14.7-10.2-24.1-10.2-34.9%200-46.3%2046.9-14.4%2062.8-1.1%205-1.7%2010.2-1.7%2015.5%200%2052.6%2059.2%2095.2%20132%2095.2%2073.1%200%20132.3-42.6%20132.3-95.2%200-5.3-.6-10.8-1.9-15.8%2031.3-16%2019.8-62.5-14.9-62.5zM302.8%20331c-18.2%2018.2-76.1%2017.9-93.6%200-2.2-2.2-6.1-2.2-8.3%200-2.5%202.5-2.5%206.4%200%208.6%2022.8%2022.8%2087.3%2022.8%20110.2%200%202.5-2.2%202.5-6.1%200-8.6-2.2-2.2-6.1-2.2-8.3%200zm7.7-75c-13.6%200-24.6%2011.1-24.6%2024.9%200%2013.6%2011.1%2024.6%2024.6%2024.6%2013.8%200%2024.9-11.1%2024.9-24.6%200-13.8-11-24.9-24.9-24.9z'/%3e%3c/svg%3e){kind=small}