Gérez les modèles ML dans le
cadre de votre chaîne d’approvisionnement
logicielle sécurisée

Créez un système d’enregistrement unique pour les modèles ML qui
aligne le développement ML/AI sur votre
SDLC existant. La gestion de modèle ML (maintenant en version bêta) vous permet
de stocker des modèles propriétaires et proxy Hugging
Face avec une analyse des problèmes de sécurité et de licence.
Planifiez une démo

Unifiez ML, Dev, Sec et Ops

Apportez la gestion des modèles IA/ML aux côtés de pypi, CRAN, Conan, Conda et d’autres composants logiciels pour
une vue unifiée du logiciel que vous créez et publiez. Appliquez les meilleures pratiques que vous utilisez pour la
gestion des packages à la gestion des modèles.

Bénéficiez de

TOUS vos composants logiciels en un seul endroit

Proxy Hugging Face pour garantir la disponibilité des modèles sur lesquels vous comptez

Amélioration du contrôle, de la traçabilité et de la sécurité des modèles ML

Détection intégrée des modèles malveillants et conformité des licences

Standardiser les processus MLOps avec des outils existants

Gestion scalable des modèles

Contrairement aux solutions Git et ponctuelles, l’utilisation de JFrog pour la gestion des modèles offre les meilleures performances, évolutivité et gestion optimisée des fichiers binaires volumineux.

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

Fournir le logiciel
qui alimente le monde

La vision de Liquid Software est de distribuer automatiquement des packages logiciels de manière fluide et sécurisée, depuis n'importe quelle source vers n'importe quel appareil.

Démarrer une Évaluation Réservez une démo

Ressources complémentaires

Blog
Lire le blog sur la gestion des modèles ML
Lire Maintenant
Documentation
Explorez la documentation technique
Lire Maintenant
Lectures complémentaires
Découvrez JFrog Artifactory
Lire Maintenant
Foire aux Questions
Quels dépôts de modèles/interfaces API zoo JFrog prend-il en charge ?
JFrog prend actuellement en charge Hugging Face en tant que dépôt de modèles. Les organisations peuvent télécharger leurs modèles propriétaires ou modifiés via des dépôts locaux, ainsi que des dépôts proxy Hugging Face avec des dépôts à distance pour les modèles tiers.
Quels sont les formats de fichiers pris en charge par JFrog pour les modèles ?
JFrog prend en charge tous les formats de fichiers (c’est-à-dire pkl, onnyx) et de frameworks en tant que dérivé de Hugging Face.
Les dépôts locaux JFrog Hugging Face prennent-ils en charge la fédération ?
Oui, le modèle et les fichiers de données seront inclus dans les fédérations.
JFrog agit-il comme un dépôt ou un registre de modèle de Machine Learning ?
JFrog sert de registre de modèles ML avec tous les avantages d’Artifactory et de Xray appliqués aux modèles d’une organisation.