Verwalten Sie ML-Modelle als
Teil Ihrer sicheren
Software-Lieferkette

Erstellen Sie ein einheitliches Archivsystem für ML-Modelle, das
die ML/KI-Entwicklung in Einklang mit Ihrem bestehenden
SDLC bringt. ML-Modellmanagement (jetzt in der Beta-Phase) ermöglicht
die Speicherung von Modellen von Erstanbietern und Proxy Hugging
Face mit Überprüfung auf Sicherheits- und Lizenzprobleme.
Demo buchen

Vereinheitlichen Sie ML, Entwicklung, Sicherheit und Ops

Bringen Sie die Verwaltung von KI/ML-Modellen zusammen mit pypi, CRAN, Conan, Conda und anderen Softwarekomponenten für
eine einheitliche Sicht auf die Software, die Sie entwickeln und veröffentlichen. Wenden Sie die gleichen bewährten Verfahren, die Sie für die Paketverwaltung
verwenden, auch auf die Modellverwaltung an.

Profitieren Sie von

ALLE Ihre Softwarekomponenten an einem Ort

Proxy Hugging Face zur Gewährleistung der Verfügbarkeit von Modellen, auf die Sie sich verlassen

Bessere Kontrolle, Rückverfolgbarkeit und Sicherheit von ML-Modellen

Integrierte Erkennung bösartiger Modelle und Einhaltung von Lizenzbestimmungen

Standardisieren Sie MLOps-Prozesse mit bestehenden Tools

Skaliertes Modellmanagement

Im Gegensatz zu Git und Einzellösungen bietet die Nutzung von JFrog für das Modellmanagement das Beste an Leistung, Skalierbarkeit und optimierter Handhabung großer Binärdateien.

Integrated with
Amazon SageMaker

Connect JFrog Artifactory with Amazon SageMaker to ensure that artifacts consumed or produced when using SageMaker tools are pulled from and saved in Artifactory for immutable, traceable, and secure releases.

Learn More

Energie für die Software
, die die Welt antreibt

Die Vision von Liquid Software ist es, Softwarepakete automatisch, nahtlos und sicher von jeder Quelle auf jedes Gerät zu übertragen.

Jetzt testen Demo buchen

Zusätzlichen Ressourcen

Blog
Lesen Sie den Blog zum ML-Modellmanagement
Jetzt lesen
Dokumentation
Die technische Dokumentation lesen
Jetzt lesen
Mehr lesen
JFrog Artifactory entdecken
Jetzt lesen
Häufig gestellte Fragen
Welche Modell-Repositories/zoo API-Schnittstellen unterstützt JFrog?
JFrog unterstützt derzeit Hugging Face als Modell-Repository. Unternehmen können ihre eigenen oder geänderten Modelle über lokale Repositories hochladen und Hugging Face mit Remote-Repositories für Modelle von Drittanbietern verknüpfen.
Welche Dateiformate werden von JFrog für Modelle unterstützt?
JFrog unterstützt alle Dateiformate (z.B. pkl, onnyx) und Frameworks als eine Ableitung von Hugging Face.
Unterstützen die lokalen Hugging Face-Repositories von JFrog die Föderation?
Ja, die Modell- und Datendateien werden in Föderationen aufgenommen.
Agiert JFrog als Repository oder Registry für Machine Learning-Modelle?
JFrog dient als ML-Modell-Registry mit allen Vorteilen von Artifactory und Xray, die auf die Modelle einer Organisation angewendet werden.