Kubeflow: Gépi tanulási eszközkészlet a Kubernetes számára

Kubeflow: Gépi tanulási eszközkészlet a Kubernetes számára

Kubeflow: Gépi tanulási eszközkészlet a Kubernetes számára

Mai bejegyzésünk a Automatikus tanulás (gépi tanulás / ML). Pontosabban az úgynevezett nyílt forráskódú alkalmazásról "Kubeflow", ami viszont működik Kubernetes. Amint azt már sokan ismeritek, egy nyílt forráskódú rendszer a konténeres alkalmazások telepítésének, méretezésének és kezelésének automatizálására.

"Kubeflow" annak ellenére, hogy jelenleg elérhető a stabil verzió 1.2, amint az a hivatalos hivatalos honlapján és a GitHub, a hivatalos Blogjában megjelenik, már kommentálta a következő verzió 1.3. Ezért ma elmélyülünk ebben az alkalmazásban.

Kognitív eszközkészlet: Nyílt forráskódú mély tanulási SW

Kognitív eszközkészlet: Nyílt forráskódú mély tanulási SW

És mint általában, azok számára, akik mindig szívesen elmélyednek egy elolvasott témában, a kapcsolódó korábbi bejegyzések alábbi linkjeit hagyjuk felfedezni, amint ez a bejegyzés elkészült:

"A Microsoft kognitív eszközkészlete (korábbi nevén CNTK) egy mély tanulási eszközkészlet (Machine Learning) de «Código Abierto» óriási lehetőségekkel. Ingyenes, könnyen használható és kereskedelmi minőségű minőség, amely lehetővé teszi olyan mély tanulási algoritmusok létrehozását, amelyek képesek az emberi agy szintjéhez közeli szinten tanulni." Kognitív eszközkészlet: Nyílt forráskódú mély tanulási SW

Kognitív eszközkészlet: Nyílt forráskódú mély tanulási SW
Kapcsolódó cikk:
Kognitív eszközkészlet: Nyílt forráskódú mély tanulási SW
.NET és ML.NET: Microsoft nyílt forráskódú platformok
Kapcsolódó cikk:
.NET és ML.NET: Microsoft nyílt forráskódú platformok
TensorFlow és Pytorch: Nyílt forráskódú AI platformok
Kapcsolódó cikk:
TensorFlow és Pytorch: Nyílt forráskódú AI platformok

Kubeflow: Nyílt gépi tanulási projekt

Kubeflow: Nyílt gépi tanulási projekt

Mi az a Kubeflow?

Az ön szerint hivatalos honlapja, ezt a nyílt projektet a következőképpen határozzák meg:

"Ez egy projekt, amelynek célja a Kubernetes gépi tanulási (ML) munkafolyamat-telepítésének egyszerűvé, hordozhatóvá és méretezhetővé tétele. Nem célja más szolgáltatások újrateremtése, hanem egy egyszerű módja annak, hogy az ML számára a legjobb nyílt forráskódú rendszereket különböző infrastruktúrákban telepítsék. Tehát bárhol fut a Kubernetes, a Kubeflow futhat."

Míg, a webhelyén a címen GitHub, röviden írja be a következőket:

"A Kubeflow a felhőben a natív platform a gépi tanulási műveletekhez: csővezetékek, oktatás és telepítés."

Ebből könnyen levezethető, hogy a "Kubeflow" a következő:

"A lehető legegyszerűbbé tegye a gépi tanulás (ML) modell méretezését és telepítését, lehetővé téve a Kubernetes számára azt, amit csinál: Könnyű, megismételhető és hordozható telepítés a sokszínű infrastruktúrában, a mikroszolgáltatások telepítése és kezelése lazán összekapcsolva és igény szerint méretezhető."

Jellemzők?

A "Kubeflow" Megemlíthetjük a következőket:

  • Tartalmazza az interaktív Jupiter jegyzetfüzetek létrehozásának és kezelésének szolgáltatásait. Lehetővé teszi ugyanazon és más számítógépes erőforrások telepítésének testreszabását az adattudomány igényeihez igazítva. Így megkönnyítve a helyi munkafolyamatok kísérletezését, majd szükség esetén a felhőben történő telepítést.
  • Egyéni TensorFlow képzési munka kezelőt biztosít. Amellyel ML modell képezhető. Különösen a Kubeflow job kezelő tudja kezelni az elosztott TensorFlow képzési feladatokat. Lehetővé teszi, hogy az edzésvezérlő úgy konfigurálható legyen, hogy CPU-kat vagy GPU-kat használjon, és ezáltal alkalmazkodjon a különböző fürtméretekhez.
  • Támogatja a TensorFlow Serving tárolót a betanított TensorFlow modellek Kubernetesbe történő exportálásához. Ezenkívül a Kubeflow integrálva van a nyílt forráskódú Seldon Core platformmal is, amely Kubernetesen gépi tanulási modelleket telepít, és az NVIDIA Triton Inference Server kiszolgálóval, hogy maximalizálja a GPU-k kihasználtságát az ML / DL-modellek széleskörű telepítésekor.
  • Tartalmazza a Kubeflow Pipelines technológiát. Ami egy átfogó megoldás a végpontok közötti ML munkafolyamatok telepítésére és kezelésére. Lehetővé teszi a gyors és megbízható kísérletezést, a futások ütemezését és összehasonlítását, valamint az egyes futtatásokról szóló részletes jelentések áttekintését.
  • Több keretből álló alapot kínál. Mivel amellett, hogy nagyon jól működik a TensorFlow-val, hamarosan támogatást nyújt a PyTorch, az Apache MXNet, az MPI, az XGBoost, a Chainer és még sok más számára.

További naprakész információk "Kubeflow" közvetlenül beszerezhető a Hivatalos blog.

Mi az a Kubernetes?

Tekintettel a, "Kubeflow" működik tovább "Kubernetes", érdemes a sajátja szerint megadni hivatalos honlapja hogy ez utóbbi a következő:

"A Kubernetes (K8s) egy nyílt forráskódú platform a konténeres alkalmazások telepítésének, méretezésének és kezelésének automatizálására."

És ha szeretnéd elmélyülni "Kubernetes" Az alábbiakban megismerheti korábbi és legújabb kapcsolódó kiadványainkat:

Kapcsolódó cikk:
A Kubernetes 1.19 egyéves támogatással, a TLS 1.3-mal, a fejlesztésekkel és egyebekkel érkezik
Docker vs. Kubernetes
Kapcsolódó cikk:
Docker vs Kubernetes: előnyök és hátrányok

Általános kép a cikk következtetéseihez

Következtetés

Reméljük ezt "hasznos kis bejegyzés" tovább «Kubeflow», egy érdekes és modern nyílt forráskódú projekt a mély tanulás területén, amelynek célja a nyílt forráskódú platform elérhetőségének növelése «Kubernetes »; nagy érdeklődés és hasznosság az egész számára «Comunidad de Software Libre y Código Abierto» és nagyban hozzájárulnak a CSB csodálatos, gigantikus és növekvő ökoszisztémájának elterjedéséhez «GNU/Linux».

Egyelőre, ha ez tetszett publicación, Ne hagyd abba ossza meg másokkal, kedvenc webhelyein, csatornáin, közösségi hálózatok vagy üzenetküldő rendszerek csoportjain vagy közösségén, lehetőleg ingyenesen, nyíltan és / vagy biztonságosabb módon TelegramJelMasztodon vagy egy másik Fediverse, lehetőleg.

És ne felejtsen el ellátogatni a honlapunkra a címen «DesdeLinux» további hírek felfedezéséhez, valamint csatlakozáshoz a Távirata DesdeLinuxMíg további információkért látogasson el bármelyikre Online könyvtár mint OpenLibra y jEdit, hogy hozzáférhessen és olvashasson erről a témáról vagy másokról szóló digitális könyveket (PDF).


Legyen Ön az első hozzászóló

Hagyja megjegyzését

E-mail címed nem kerül nyilvánosságra. Kötelező mezők vannak jelölve *

*

*

  1. Az adatokért felelős: Miguel Ángel Gatón
  2. Az adatok célja: A SPAM ellenőrzése, a megjegyzések kezelése.
  3. Legitimáció: Az Ön beleegyezése
  4. Az adatok közlése: Az adatokat csak jogi kötelezettség alapján továbbítjuk harmadik felekkel.
  5. Adattárolás: Az Occentus Networks (EU) által üzemeltetett adatbázis
  6. Jogok: Bármikor korlátozhatja, helyreállíthatja és törölheti adatait.