निःशुल्क शुरुआत करें

GPU & STORAGE FILE TRANSFER

GPU सर्वर को वह डेटा भेजें जिसकी उसे ज़रूरत है,
और परिणामों को वापस स्टोरेज में रखें।

ऑब्जेक्ट स्टोरेज, NAS या डेटा सेंटर में रखे गए Dataset और Model को अपने GPU सर्वर तक ट्रांसफ़र करें।

Training और Inference के दौरान बने Checkpoint और Result भी वापस स्टोरेज में पहुँच सकते हैं। आपका मौजूदा AI इंफ़्रास्ट्रक्चर जैसा है वैसा ही बना रहता है, जबकि स्टोरेज और GPU Compute के बीच फ़ाइलों की आवाजाही एक ही प्लेटफ़ॉर्म पर प्रबंधित होती है।

AI INFRASTRUCTURE INTEGRATION

आपका AI इंफ़्रास्ट्रक्चर जैसा है वैसा ही बना रहता है।
INNORIX डेटा को आगे बढ़ाता है।

आपके AI इंफ़्रास्ट्रक्चर में Compute और Workload का निर्णय लेने वाले सिस्टम ठीक वैसे ही बने रहते हैं जैसे वे हैं।

INNORIX उन सिस्टमों द्वारा बताए गए Source और Target के बीच Dataset और Model डिलिवर करता है, और Checkpoint व Result को वापस स्टोरेज में भेजता है।

आपका AI इंफ़्रास्ट्रक्चरINNORIX
GPU ProvisioningDataset और Model डिलिवर करना
Workload Schedulingफ़ाइल ट्रांसफ़र स्वयं
Training और Evaluation PipelineCheckpoint और Result भेजना
Artifact Metadata और Lineageट्रांसफ़र स्थिति और Result

INNORIX GPU Scheduling या AI Pipeline को प्रबंधित नहीं करता। यह उन फ़ाइलों को आगे बढ़ाता है जिनका निर्णय आपके मौजूदा सिस्टम लेते हैं।

STORAGE & GPU CONNECTIVITY

स्टोरेज और GPU Compute के बीच डेटा पथ के लिए
एक ट्रांसफ़र लेयर।

Dataset और Model चाहे Cloud Object Storage में हों, किसी डेटा सेंटर में हों या Private Storage में हों, उन्हें उस GPU एनवायरनमेंट तक डिलिवर किया जा सकता है जिसमें काम चलता है।

डेटा विभिन्न Cloud, Region और On-Premises एनवायरनमेंट के बीच आगे बढ़ता है, जबकि स्टोरेज और GPU इंफ़्रास्ट्रक्चर जैसे हैं वैसे ही बने रहते हैं। रूट और Target को एनवायरनमेंट के अनुसार सेट किया जाता है — एक Cloud GPU, डेटा सेंटर का GPU Cluster, या आपका अपना।

Cloud से GPUएक Region के Object Storage से, दूसरे Region के GPU Cluster तक डिलिवर किया गया।

कनेक्टेड

स्रोतObject StorageUS West · S3

training-dataset2.4 TB
foundation-model48 GB
image-dataset820 GB
auxiliary-data12 GB
ट्रांसफ़र हो रहा है

68%

2.4 TB में से 1.63 TB ट्रांसफ़र हुआ

लक्ष्यCloud GPUएशिया · NVIDIA H100

NVIDIA H100उपलब्ध
NVIDIA A100उपलब्ध
NVIDIA L40Sउपलब्ध
NVIDIA L4उपलब्ध
training-dataset.tar2.4 TB · 12,480 फ़ाइलेंट्रांसफ़र हो रहा है
68%

2.4 TB में से 1.63 TB ट्रांसफ़र हुआ

AI DATA LIFECYCLE

Dataset से Model, Checkpoint और Result तक,
वही डेटा डिलिवरी।

AI Training की शुरुआत Dataset और Model को GPU एनवायरनमेंट में लाने से होती है, और यह उसके द्वारा बनाए गए Checkpoint को सुरक्षित रखने तथा अंतिम Result को इकट्ठा करने तक जारी रहती है।

INNORIX हर चरण को ज़रूरी फ़ाइलों को स्टोरेज और GPU एनवायरनमेंट के बीच ले जाता है, और लगातार दोहराई जाने वाली डेटा मूवमेंट को ऑटोमेट करता है। Training के लिए फ़ाइलें तैयार करना, बीच के Result को सुरक्षित रखना और अंतिम Result को डिलिवर करना — यह सब आपस में जुड़ा हुआ है, जिससे पूरे AI वर्कफ़्लो में फ़ाइल ट्रांसफ़र एक जैसे तरीके से काम करता है।

Training Run #4821resnet-vision · gpu-cluster-01 · 09:52 बजे शुरू हुआ

  1. DatasetTraining डेटा तैयार

    training-dataset.tar2.4 TB · 12,480 फ़ाइलें

  2. ModelModel डिलिवर हुआ

    foundation-model48 GB · 12 फ़ाइलें

  3. एआई प्रशिक्षणचल रहा है

    एपोक 64 / 10064%

    जीपीयू क्लस्टर8 GPUs

  4. CheckpointTraining स्थिति सुरक्षित

    checkpoint-064320 GB · 64 फ़ाइलें

  5. परिणामपरिणाम एकत्र

    inference-result120 GB · 3,420 फ़ाइलें

Checkpoint दोहराए जाते हैं, इसलिए एक लंबा Run कभी बर्बाद नहीं होता

training-dataset.tar2.4 TB · 12,480 फ़ाइलेंObject Storageजीपीयू क्लस्टरपूर्ण100%

DATA READINESS & RECOVERY

GPU का डेटा की प्रतीक्षा में कम समय बिताना,
और बाधित ट्रांसफ़र का आगे जारी रहना।

AI Training और Inference को जिस डेटा की ज़रूरत होती है, वह कई टेराबाइट की एक फ़ाइल से लेकर लाखों छोटी इमेज और डॉक्यूमेंट तक हो सकता है। आकार और संख्या से बनने वाला भार INNORIX ट्रांसफ़र से हटा देता है, और बड़े डेटा को भरोसेमंद ढंग से GPU एनवायरनमेंट तक डिलिवर करता है।

यदि नेटवर्क फ़ेल हो जाए या ट्रांसफ़र रुक जाए, तो जो पहले से पूर्ण हो चुका है वह सुरक्षित रहता है और केवल बचा हुआ हिस्सा फिर से भेजा जाता है। ऑटोमैटिक Resume, पुनः प्रयास और सत्यापन अनावश्यक दोहराए जाने वाले ट्रांसफ़र को खत्म करते हैं और पुष्टि करते हैं कि AI को ज़रूरी डेटा तैयार है।

  • बड़े ट्रांसफ़र

    एक ही ट्रांसफ़र में टेराबाइट भर का Dataset

  • कई छोटी फ़ाइलें

    लाखों फ़ाइलें, भरोसेमंद ढंग से संभाली गईं

  • कोई प्रगति नहीं खोती

    जो पूर्ण हो गया वह सुरक्षित रहता है; केवल बाकी हिस्सा फिर से भेजा जाता है

ट्रांसफर #4821-01Object Storage → gpu-cluster-01

training-dataset.tar2.4 TB · 12,480 फ़ाइलेंपूर्ण
100%

2.4 TB में से 2.4 TB ट्रांसफ़र हुआ

इस ट्रांसफ़र के भाग

भाग 0001–40001.01 TBहो गया
भाग 4001–80000.67 TBहो गया
भाग 8001–124800.72 TBहो गया
  • पूर्ण हो चुका डेटा सुरक्षितरुकने के बाद फिर से नहीं भेजा जाता
  • ऑटोमैटिक Resumeकनेक्शन वापस आने पर जारी रहता है
  • सत्यापित और लॉसलेसट्रांसफ़र के बाद डेटा सत्यापित किया जाता है

ORCHESTRATOR & API

आपका AI Orchestrator ट्रांसफ़र को
उसी क्षण चलाता है जब उसे ज़रूरत होती है।

फ़ाइल ट्रांसफ़र आपके मौजूदा AI Orchestrator, Scheduler और Pipeline से जुड़ता है, बिना उन्हें बदले। Kubeflow, Airflow, SLURM या अपने सिस्टम से API के ज़रिए फ़ाइलें और Target बताएं, और INNORIX ट्रांसफ़र चलाता है तथा उसकी प्रगति और परिणाम लौटाता है।

आपका AI सिस्टम काम को आज की तरह ही शेड्यूल और रन करता है, जबकि INNORIX GPU Cluster, Cloud Storage और डेटा सेंटर के बीच फ़ाइल मूवमेंट को संभालता है। पूर्णता के Callback और Run के Result वापस वर्कफ़्लो में आ जाते हैं, जिससे डेटा तैयारी, Training और Result संग्रहण स्वचालित रूप से जारी रहते हैं।

  • जोड़ना आसान

    एक मानक API, तुरंत जुड़ा हुआ

  • बदलने के लिए कुछ नहीं

    AI सिस्टम को छुए बिना उपयोग किया जाता है

  • परिणाम जो आप देख सकते हैं

    स्टेटस, लॉग्स और एक पूर्ण होने का कॉलबैक

Transfer APItr_8f3a2e6b · airflow-dag-vision द्वारा कहा गया

कॉलबैक भेजा गया
  • AI ऑर्केस्ट्रेटरKubeflow · Airflow · कस्टम
  • SchedulerSLURM · PBS · LSF
  • AI एप्लिकेशनप्रशिक्षण · अनुमान · सूक्ष्म-ट्यूनिंग
INNORIXस्थानांतरण चलाता है
  • उच्च गति स्थानांतरण
  • Resume & Retry
  • सत्यापन
  • GPU क्लस्टरNVIDIA H100 · A100
  • Cloud StorageS3 · GCS · Azure Blob
  • Data CenterNAS · Object Storage

POST/api/v1/transferscURL

1{2  "source": "s3://training-dataset",3  "target": "gpu-cluster-01",4  "files": "dataset/*.tar",5  "callback": "https://ai.company.com/webhook"6}

प्रतिक्रियाJSON

1{2  "transferId": "tr_8f3a2e6b",3  "status": "completed",4  "files": "12,480",5  "size": "2.4 TB",6  "progress": "100%",7  "callback": "delivered"8}

रन स्टेटस

  1. अनुरोधित10:14
  2. स्थानांतरण चल रहा है10:15
  3. पूर्ण10:33
  4. कॉलबैक भेजा गया10:33

UNIFIED OPERATIONS

GPU और storage के बीच हर फ़ाइल स्थानांतरण
एक स्क्रीन से चलाएं।

INNORIX Studio में डेटासेट डिलीवरी, चेकपॉइंट संग्रह, मॉडल मूवमेंट और परिणाम संग्रह जैसे विभिन्न स्थानांतरणों को प्रबंधित करें।

जांचें कि क्या चल रहा है और क्या पूरा हुआ है, और केवल उस रेंज पर एक विफल स्थानांतरण का पालन करें जिसे इसकी आवश्यकता है।

हाल के रन

  • प्रशिक्षण डेटासेट डिलीवरीपूर्ण
  • चेकपॉइंट संग्रहट्रांसफ़र हो रहा है
  • मॉडल वितरणपूर्ण

GET STARTED

AI के लिए डेटा स्थानांतरण मुफ्त में शुरू करें।

AI डेटा वितरण INNORIX Platform में शामिल है। मुफ्त सदस्यता के साथ आप स्टोरेज, GPU सर्वर और AI computing वातावरण को जोड़ सकते हैं, और डेटासेट प्रशिक्षण और अनुमान की जरूरत से लेकर परिणामी डेटा की पुनः प्राप्ति तक सब कुछ सेट कर सकते हैं।

Studio में Dataset और Model ट्रांसफर तैयार करें, या API के माध्यम से फ़ाइल ट्रांसफर को अपनी मौजूदा AI पाइपलाइन से जोड़ें।

TECHNICAL FAQ

अक्सर पूछे जाने वाले प्रश्न

क्या फ़ाइलों को GPU सर्वर और object storage के बीच स्थानांतरित किया जा सकता है?

हां। Datasets, Models और अन्य फ़ाइलों को स्थानांतरित करने के लिए समर्थित Object Storage और GPU सर्वर को जोड़ें। Storage और GPU सर्वर की कनेक्शन शर्तों की पुष्टि आपके वातावरण के अनुसार करनी होगी।

क्या ऑन-प्रिमाइसेस GPU सर्वर को cloud storage से जुड़ा जा सकता है?

समर्थित ऑन-प्रिमाइसेस सर्वर और क्लाउड Object Storage को सोर्स या टार्गेट के रूप में निर्धारित किया जा सकता है।

क्या NAS या एक साधारण फ़ाइल सर्वर पर डेटा GPU सर्वर को भेजा जा सकता है?

किसी GPU सर्वर को डेटा पहुंचाने के लिए एक समर्थित फ़ाइल सर्वर या NAS वातावरण को जोड़ा जा सकता है। वास्तविक कनेक्शन विधि ऑपरेटिंग सिस्टम, फ़ाइल सिस्टम और नेटवर्क कॉन्फ़िगरेशन पर निर्भर करती है।

क्या मॉडल और checkpoints को डेटासेट के साथ स्थानांतरित किया जा सकता है?

हां। Datasets, Model Weights, Checkpoints, मूल्यांकन डेटा, Results और AI कार्य द्वारा उपयोग या उत्पन्न की गई अन्य फ़ाइलों को स्थानांतरित किया जा सकता है।

क्या यह बड़े image datasets या TB-स्केल फ़ाइलों को संभाल सकता है?

INNORIX बहुत बड़ी फ़ाइलों और बड़ी संख्या में छोटी फ़ाइलों दोनों का समर्थन करता है। आपको वास्तव में जो स्थानांतरण प्रदर्शन मिलता है, वह फ़ाइल संरचना, Storage API, नेटवर्क और डिवाइस विशिष्टताओं पर निर्भर करता है।

क्या GPU सर्वर पर उत्पादित checkpoints को स्वचालित रूप से एकत्रित किया जा सकता है?

Checkpoint फ़ाइलों को इस तरह कॉन्फ़िगर किया जा सकता है कि वे किसी निर्धारित समय, किसी घटना, या किसी बाह्य सिस्टम के अनुरोध पर स्टोरेज में पहुंच जाएं। कोई Checkpoint वास्तव में मौजूद है या नहीं, और कौन सी फ़ाइलें चुनी जाती हैं — यह मौजूदा AI सिस्टम और ट्रांसफर सेटिंग्स द्वारा तय किया जाता है।

क्या INNORIX स्वयं GPU scheduling या AI training करता है?

नहीं। GPU प्रोविज़निंग, शेड्यूलिंग, ट्रेनिंग और AI पाइपलाइन मौजूदा इंफ्रास्ट्रक्चर द्वारा संभाले जाते हैं। INNORIX वह फ़ाइल मूवमेंट करता है जो इस काम के लिए ज़रूरी है।

क्या यह Kubeflow जैसे किसी मौजूदा AI ऑर्केस्ट्रेटर के साथ एकीकृत हो सकता है?

कोई मौजूदा ऑर्केस्ट्रेटर API के माध्यम से फ़ाइल ट्रांसफर का अनुरोध कर सकता है और पूर्णता परिणाम की जांच कर सकता है। किसी विशेष फ्रेमवर्क के साथ एकीकरण की समीक्षा वास्तविक API और रनटाइम वातावरण के आधार पर की जानी चाहिए।

क्या प्रशिक्षण को स्थानांतरण पूर्ण होने के बाद शुरू करने के लिए configure किया जा सकता है?

कोई मौजूदा ऑर्केस्ट्रेटर ट्रांसफर के पूर्णता परिणाम की पुष्टि करके फिर प्रशिक्षण शुरू कर सकता है। स्वीकार किए गए ट्रांसफर अनुरोध और वास्तव में पहुंचाए गए डेटा के बीच स्पष्ट अंतर रखा जाना चाहिए।

यदि किसी Dataset ट्रांसफर के दौरान नेटवर्क बाधित हो जाए, तो क्या होता है?

किसी बाधित ट्रांसफर को जारी रखने के लिए समर्थित रिज़्यूम और रीट्राई सुविधाओं का उपयोग करें। रिकवरी कितनी दूर तक संभव है, यह फ़ाइल प्रकार और ट्रांसफर वातावरण पर निर्भर करता है।

क्या इसे वहां उपयोग किया जा सकता है जहां GPU सर्वर हर बार बदलता है?

किसी मौजूदा शेड्यूलर द्वारा चुने गए GPU एंडपॉइंट को ट्रांसफर टार्गेट के रूप में जोड़ा जा सकता है। रनटाइम पर बदलते एंडपॉइंट को किस तरह संभाला जाता है, इसका विस्तृत विवरण Dynamic Endpoint Transfer उत्पाद पेज पर दिया गया है।

मैं AI Data Delivery progress और results कहां देख सकता हूं?

INNORIX Studio में Runs ट्रांसफर की प्रगति और पूर्णता परिणाम दिखाता है। कोई मौजूदा AI सिस्टम स्थिति और परिणाम जानने के लिए समर्थित API के माध्यम से एकीकृत हो सकता है।

इनमें से हर एक क्षमता,एक ही platform पर।

इस पृष्ठ पर क्षमता INNORIX Platform द्वारा प्रदान की जाने वाली कई फ़ाइल स्थानांतरण सुविधाओं में से एक है। फ़ाइल स्थानांतरण से लेकर स्वचालन और एकीकृत संचालन तक, हर सुविधा को मुफ्त में आजमाएं।

मुफ्त में शुरू करें

AI के लिए डेटा डिलीवरी देख रहे हैं?

हम उस स्थानांतरण सेटअप के बारे में बात करेंगे जिसकी आपको पहले से चल रहे storage और GPU environment के लिए आवश्यकता है।

  • storage और GPU environment कनेक्शन की समीक्षा
  • बड़े डेटासेट स्थानांतरणों को सेटअप करना
  • एक मौजूदा AI pipeline से जुड़ना

हम इन विवरणों का उपयोग केवल आपकी पूछताछ का उत्तर देने के लिए करते हैं। हमारी देखें गोपनीयता नीति.