Construyendo una Base Confiable para la Innovación en IA: Configuración de la Plataforma de Hardware para Análisis de IA Basado en YOLO
Construyendo una Base Confiable para la Innovación en IA: Configuración de la Plataforma de Hardware para Análisis de IA Basado en YOLO

Construyendo una Base Confiable para la Innovación en IA: Configuración de la Plataforma de Hardware para Análisis de IA Basado en YOLO

Construyendo una Base Confiable para la Innovación en IA: Configuración de la Plataforma de Hardware para Análisis de IA Basado en YOLO
Estudios de caso

Infraestructura para análisis de IA: un caso de implementación de YOLO y Proxmox por INTROSERV

En un mundo en el que la inteligencia artificial es un motor clave de la innovación, la velocidad y la fiabilidad de la infraestructura determinan el éxito de un proyecto. Un equipo de desarrolladores de Dinamarca se enfrentó a la necesidad de desplegar una plataforma para crear un sistema de análisis para una cadena de supermercados minoristas utilizando la red neuronal YOLO.

El proyecto tenía una gran relevancia práctica para el negocio, y el equipo de INTROSERV comenzó inmediatamente a seleccionar y configurar la plataforma de acuerdo con las especificaciones técnicas del cliente.

Construyendo una Base Confiable para la Innovación en IA: Configuración de la Plataforma de Hardware para Análisis de IA Basado en YOLO

Objetivos:

Configuración de una plataforma de servidor para la red neuronal YOLO

  • Seleccionar la plataforma adecuada: Elegir una configuración de servidor GPU dentro de un presupuesto aceptable para implantar YOLO.
  • Plataforma de virtualización: El proyecto requería el uso de múltiples máquinas virtuales.
  • Conexión segura entre el centro de datos y el supermercado: Dado que los datos de vídeo transmitidos pueden contener información confidencial o imágenes de clientes que no dieron su consentimiento para la publicación del vídeo, era obligatorio realizar una transmisión segura.
  • Redundancia a nivel de disco: Aunque no era necesario el reconocimiento en tiempo real, los largos periodos de inactividad por reinstalación o reconfiguración eran inaceptables.
  • Copias de seguridad y recuperación rápida en caso de fallo: El proyecto implicaba numerosas configuraciones en cada máquina virtual, por lo que era esencial contar con un sistema fiable de copia de seguridad y recuperación.
  • Conectividad de red estable: El sistema de análisis inteligente se basa en fuentes de videovigilancia, por lo que requiere un ancho de banda suficiente para una docena de flujos simultáneos, además de capacidad adicional para operaciones de CRM.

Resultados:

Implantación de GPU Server, Proxmox VE y transmisión segura de vídeo para análisis de comercio minorista

  • Plataforma adecuada seleccionada: Se implementó un servidor dedicado con una GPU NVIDIA RTX 2080Ti, que proporcionaba suficiente rendimiento para el procesamiento de vídeo YOLO.
  • Se instaló el hipervisor Proxmox VE: Esta solución de código abierto permite el paso de la GPU a las máquinas virtuales.
  • Servidor VPN y túnel configurados: Todo el tráfico entre el servidor y el supermercado se ejecuta exclusivamente a través de un túnel VPN WireGuard.
  • RAID1 configurado para todos los grupos de discos: Eliminados los puntos únicos de fallo por fallo de disco. Se habilitó la supervisión proactiva con alertas en caso de anomalías de hardware.
  • Configuración de copias de seguridad y recuperación: Copias de seguridad periódicas de las máquinas virtuales implementadas para una rápida recuperación del sistema en caso de fallo.
  • Conectividad de red estable garantizada: Se seleccionó un plan con ancho de banda ampliado para gestionar las transferencias ininterrumpidas de datos de vídeo de las cámaras de vigilancia.


Contexto: Cómo YOLO y la IA mejoran las operaciones del supermercado

Un equipo de desarrollo especializado en soluciones de IA para el comercio minorista se puso en contacto con INTROSERV para solicitar un entorno de inferencia para una red neuronal de visión por ordenador: Ultralytics YOLOv11.

Su objetivo: Analizar el comportamiento de los clientes en una pequeña cadena de supermercados para aumentar el valor medio de los pedidos, evaluar la eficacia de los puestos promocionales y las pancartas, optimizar el rendimiento de las cajas durante las horas punta, determinar esas horas punta por ubicación y optimizar la colocación de los productos en función de las zonas calientes y frías dentro de la tienda.

La dirección se dio cuenta de que los métodos de análisis existentes (basados en informes de ventas y en la intuición de los directores) eran insuficientes. Se necesitaba una comprensión más profunda del comportamiento de los clientes, basada en la tecnología.

Este proyecto de análisis de inteligencia artificial debía implantarse en todas las sucursales clave, empezando por varias de reciente apertura.

Este proyecto exigía algo más que "alquilar un servidor": necesitaba un entorno especializado y seguro preparado para gestionar cargas de trabajo de IA específicas.

El reto: cómo recopilar datos precisos sobre el comportamiento de los clientes utilizando IA

El reto principal: construir una plataforma de análisis procesable y eficiente para el comercio minorista, donde las simples estadísticas se quedan cortas.

¿Cómo capturar datos precisos sobre los movimientos de cientos de clientes sin interrumpir su experiencia de compra? ¿Y cómo convertir esos datos en información comercial concreta y cuantificable?

Mientras el equipo de desarrollo de IA se ocupaba de la integración de la red neuronal, la configuración de la infraestructura se confió por completo a INTROSERV.

El proyecto despertó inmediatamente el interés de los especialistas técnicos de INTROSERV. Gracias a un conjunto claro de objetivos y requisitos, ya se disponía de una configuración adecuada y lista para su rápida implantación. El equipo de INTROSERV sabía exactamente cómo transferir de forma segura múltiples flujos de vídeo de alta resolución al centro de datos.

La solución: Servidores GPU dedicados con Proxmox para análisis basados en YOLO

El equipo de INTROSERV desarrolló e implantó una solución multicomponente utilizando dos servidores dedicados con Proxmox VE y Proxmox Backup Server.

Esto permite una separación eficiente de los recursos, el aislamiento de tareas y una copia de seguridad completa de las máquinas virtuales para la recuperación ante desastres.

Visión general de la infraestructura: Varias máquinas virtuales

Construyendo una Base Confiable para la Innovación en IA: Configuración de la Plataforma de Hardware para Análisis de IA Basado en YOLO

Toda la infraestructura se construyó sobre múltiples máquinas virtuales:

Máquina Virtual #1: Gateway de Red basado en pFSense

  • Propósito: Establecer un canal de comunicación seguro y controlar el acceso a la infraestructura del servidor.
  • Implementación: Los administradores de sistemas de INTROSERV desplegaron un enrutador de software pFSense en esta VM y configuraron un servidor VPN WireGuard. El servidor VPN conectó la red interna de la oficina con el servidor del centro de datos a través de un túnel seguro. Todo el tráfico dentro del túnel VPN está cifrado, garantizando confidencialidad y protección de datos durante la transmisión.

Máquina Virtual #2: "AI Hub" del Sistema (Red Neuronal YOLO + GPU)

  • Propósito: Ajustar finamente el modelo utilizando fotogramas de referencia del sistema de videovigilancia de cada sitio específico y realizar el reconocimiento de objetos en los flujos de video e imágenes entrantes.
  • Implementación: Esta es la máquina virtual clave. Usando la tecnología PCI Passthrough en Proxmox VE, la GPU NVIDIA GeForce RTX 2080 Ti fue asignada directamente a esta VM. Esto proporcionó un rendimiento casi nativo necesario para dos tareas principales:

1. Entrenamiento del modelo: Ajuste fino del modelo YOLO sobre fotogramas de cámaras de vigilancia y archivos de fotos para mejorar la precisión.

2. Reconocimiento: Procesamiento continuo de flujos de video, detección de objetos, conteo y agrupamiento según los requisitos de la aplicación.

Se configuraron dos de estas VMs para facilitar el desarrollo en paralelo y mejorar la eficiencia del flujo de trabajo del equipo de desarrollo.

Máquina Virtual Nº 3: Analytics y UI

  • Tareas: Entorno de prueba para ejecutar aplicaciones en diferentes etapas de su desarrollo.
  • Implementación: Se desplegó un sistema operativo Linux en esta VM y se instalaron las dependencias básicas especificadas en las especificaciones técnicas. Además, se configuró una conexión de red aislada con otras VMs.

Proxmox Backup Server:

  • Tareas: Almacenamiento de copias de seguridad de máquinas virtuales.
  • Implementación: Para esta tarea, los especialistas técnicos de INTROSERV eligieron una solución basada en Proxmox Backup Server (PBS), una solución especializada de los desarrolladores de Proxmox VE que complementa lógicamente el ecosistema de esta popular plataforma de virtualización. PBS se instaló en un servidor separado conectado al servidor principal a través de una interfaz de red independiente.


Configuraciones de servidores dedicados utilizadas

Servidor YOLO

  • Plataforma: Asus ESC4000 G4
  • Ubicación: Países Bajos
  • CPU: 2x Intel Xeon Silver 4208, 16 núcleos, 32 hilos, 2.1/3.0GHz
  • Memoria: 64GB REG ECC DDR4
  • Discos: 2x 500GB SSD Hardware RAID 1; 2x 3.84TB NVMe Software RAID 1
  • GPU: 2x Gigabyte GeForce RTX 2080 Ti 11GB
  • Puerto/Tráfico: 2 Gbit/s – Sin límite
  • VLAN: 10 Gbps VLAN
  • AntiDDoS: Protección DDOS 20Gbit/s
  • Sistema operativo: Proxmox VE 8

PBS

  • Plataforma: Dell PowerEdge R240
  • Ubicación: Países Bajos
  • CPU: Intel Xeon E-2236, 6 núcleos, 12 hilos, 3.4/4.8GHz
  • Memoria: 16GB ECC DDR4
  • Discos: 2x 250GB SSD Hardware RAID 1; 4x 16TB SATA Hardware RAID 10
  • Puerto/Tráfico: 1 Gbps – 50TB de tráfico
  • VLAN: 10 Gbps VLAN
  • IP-KVM: iDRAC
  • AntiDDoS: Protección DDOS 20Gbit/s
  • Sistema operativo: Proxmox Backup Server


Colaboración con INTROSERV para Acelerar la Innovación

Al confiar todas las tareas de infraestructura a INTROSERV, el equipo de desarrollo pudo concentrarse plenamente en lo más importante: mejorar su modelo de IA y trabajar con los datos.

En lugar de invertir tiempo en la selección de hardware, la configuración de la seguridad y la garantía de tolerancia a fallos, el cliente recibió un entorno de hardware listo para usar, que puede aplicarse de manera repetida en cada nuevo proyecto. INTROSERV se encargó de todo el aspecto técnico, proporcionando no solo el equipo, sino también una base confiable para un trabajo productivo.

Al momento de la publicación, el cliente ya había comenzado la etapa de entrenamiento de la red neuronal y reportó un rendimiento excelente de la solución propuesta durante los primeros días. Esto demuestra que INTROSERV no es solo un proveedor de servicios, sino un verdadero socio tecnológico capaz de garantizar el éxito en proyectos complejos de TI.

Para recibir asistencia en la selección de la infraestructura óptima para su proyecto, póngase en contacto con el departamento de ventas de INTROSERV.




Похожие статьи