Kubeflow: Machine Learning Toolkit pro Kubernetes

Kubeflow: Machine Learning Toolkit pro Kubernetes

Kubeflow: Machine Learning Toolkit pro Kubernetes

Náš dnešní příspěvek se bude zabývat oblastí Automatické učení (strojové učení / ML). Konkrétně o open source aplikaci s názvem „Kubeflow“, což zase funguje Kubernetes. Což, jak už mnozí z vás víte, je systém s otevřeným zdrojovým kódem pro automatizaci nasazení, škálování a zpracování kontejnerových aplikací.

„Kubeflow“ navzdory tomu, že je aktuálně k dispozici pod stabilní verze 1.2, jak se objevuje na jeho oficiálních oficiálních webových stránkách a na GitHubu, na oficiálním blogu je již okomentován další verze 1.3. Proto se dnes do této aplikace ponoříme.

Cognitive Toolkit: Open Source Deep Learning SW

Cognitive Toolkit: Open Source Deep Learning SW

A jako obvykle, pro ty, kteří se vždy chtějí ponořit do přečteného tématu, necháme následující odkazy na související předchozí příspěvky, které můžete prozkoumat, jakmile je tento příspěvek dokončen:

"Microsoft Cognitive Toolkit (dříve CNTK) je sada nástrojů pro hluboké učení (Machine Learning) de «Código Abierto» s obrovským potenciálem. Je to také bezplatná, snadno použitelná a komerční kvalita, která vám umožňuje vytvářet algoritmy hlubokého učení schopné učit se na úrovni blízké úrovni lidského mozku." Cognitive Toolkit: Open Source Deep Learning SW

Cognitive Toolkit: Open Source Deep Learning SW
Související článek:
Cognitive Toolkit: Open Source Deep Learning SW
.NET a ML.NET: Platformy Microsoft Open Source
Související článek:
.NET a ML.NET: Platformy Microsoft Open Source
TensorFlow a Pytorch: Platformy AI s otevřeným zdrojovým kódem
Související článek:
TensorFlow a Pytorch: Platformy AI s otevřeným zdrojovým kódem

Kubeflow: Projekt otevřeného strojového učení

Kubeflow: Projekt otevřeného strojového učení

Co je Kubeflow?

Podle vašeho Oficiální internetové stránkyje tento otevřený projekt definován takto:

"Jedná se o projekt věnovaný tomu, aby nasazení pracovního postupu strojového učení (ML) na Kubernetes bylo jednoduché, přenosné a škálovatelné. Není zamýšleno znovu vytvořit další služby, ale poskytnout snadný způsob, jak nasadit nejlepší open source systémy pro ML napříč různými infrastrukturami. Takže kdekoli běží Kubernetes, může běžet Kubeflow."

Zatímco na vašem webu na adrese GitHub, krátce přidejte následující:

"Kubeflow je nativní platforma v cloudu pro operace strojového učení: potrubí, školení a nasazení."

Z toho lze snadno odvodit, že hlavním cílem „Kubeflow“ Je to:

"Umožněte škálování a nasazení modelu strojového učení (ML) co nejjednodušší tím, že necháte Kubernetes dělat to, co dělá: Snadné, opakovatelné a přenosné nasazení napříč různorodou infrastrukturou, nasazení a správa mikroslužeb volně spojené a škálovatelné na vyžádání."

Vlastnosti?

Mezi pozoruhodné vlastnosti „Kubeflow“ Můžeme zmínit následující:

  • Zahrnuje služby pro vytváření a správu interaktivních notebooků Jupiter. Umožnění přizpůsobit rozmístění stejných a dalších počítačových zdrojů tak, aby byly přizpůsobeny potřebám datové vědy. Díky tomu je snadné experimentovat s místními pracovními postupy a poté je v případě potřeby nasadit do cloudu.
  • Poskytuje vlastní operátor tréninkové úlohy TensorFlow. Který lze použít k trénování modelu ML. Obzvláště operátor úlohy Kubeflow zvládne distribuované tréninkové úlohy TensorFlow. Umožnění napájení nakonfigurovat tréninkový ovladač tak, aby používal CPU nebo GPU, a tak se přizpůsobovat různým velikostem klastrů.
  • Podporuje TensorFlow Servírovací kontejner pro export trénovaných modelů TensorFlow do Kubernetes. Kromě toho je Kubeflow také integrován do Seldon Core, což je platforma otevřeného zdroje pro nasazení modelů strojového učení na Kubernetes, a NVIDIA Triton Inference Server pro maximalizaci využití GPU při nasazování modelů ML / DL ve velkém.
  • Zahrnuje technologii Kubeflow Pipelines. Což je komplexní řešení pro nasazení a správu komplexních pracovních postupů ML. Umožňuje rychlé a spolehlivé experimentování, plánování a porovnávání běhů a kontrolu podrobných zpráv o každém běhu.
  • Nabízí multi-framework základ. Vzhledem k tomu, že kromě velmi dobré spolupráce s TensorFlow, brzy bude mít podporu pro PyTorch, Apache MXNet, MPI, XGBoost, Chainer a další.

Více aktuálních informací o „Kubeflow“ lze získat přímo na vašem Oficiální blog.

Co je Kubernetes?

Vzhledem k „Kubeflow“ pracuje na „Kubernetes“, stojí za to specifikovat podle svého Oficiální internetové stránky že toto je následující:

"Kubernetes (K8s) je open source platforma pro automatizaci nasazení, škálování a správu kontejnerových aplikací."

A v případě, že chcete prohloubit „Kubernetes“ Níže si můžete prohlédnout naše předchozí a nejnovější související publikace:

Související článek:
Kubernetes 1.19 přichází s roční podporou, TLS 1.3, vylepšeními a dalšími
Docker vs. Kubernetes
Související článek:
Docker vs Kubernetes: výhody a nevýhody

Obecný obrázek pro závěry článku

Závěr

Doufáme v to "užitečný malý příspěvek" na «Kubeflow», zajímavý a moderní projekt open source v oblasti hlubokého učení, jehož cílem je zvýšit dosah platformy open source «Kubernetes »; je velmi zajímavý a užitečný pro všechny «Comunidad de Software Libre y Código Abierto» a velkým příspěvkem k šíření nádherného, ​​gigantického a rostoucího ekosystému aplikací «GNU/Linux».

Prozatím, pokud se vám to líbilo publicación, Nepřestávej sdílet to s ostatními, na vašich oblíbených webových stránkách, kanálech, skupinách nebo komunitách sociálních sítí nebo systémů zasílání zpráv, nejlépe zdarma, otevřeně a / nebo bezpečněji jako TelegramSignáluMastodon nebo jiný z Fediverse, nejlépe.

A nezapomeňte navštívit naši domovskou stránku na «DesdeLinux» prozkoumat další novinky a připojit se k našemu oficiálnímu kanálu Telegram z DesdeLinuxZatímco pro více informací můžete navštívit jakékoli Online knihovna jak OpenLibra y jedit, přístup a čtení digitálních knih (PDF) o tomto tématu nebo jiných.


Zanechte svůj komentář

Vaše e-mailová adresa nebude zveřejněna. Povinné položky jsou označeny *

*

*

  1. Odpovědný za údaje: Miguel Ángel Gatón
  2. Účel údajů: Ovládací SPAM, správa komentářů.
  3. Legitimace: Váš souhlas
  4. Sdělování údajů: Údaje nebudou sděleny třetím osobám, s výjimkou zákonných povinností.
  5. Úložiště dat: Databáze hostovaná společností Occentus Networks (EU)
  6. Práva: Vaše údaje můžete kdykoli omezit, obnovit a odstranit.