Kubeflow: Machine Learning Toolkit fir Kubernetes

Kubeflow: Machine Learning Toolkit fir Kubernetes

Kubeflow: Machine Learning Toolkit fir Kubernetes

Eise Post haut beschäftegt sech mam Feld vun Automatescht Léieren (Machine Learning / ML). Spezifesch iwwer eng Open Source Uwendung genannt "Kubeflow", wat dann erëm funktionnéiert Kubernetes. Wat, wéi vill vun Iech scho wëssen, en Open Source System ass fir den Asaz, Skaléieren an Ëmgank mat containeriséierten Uwendungen ze automatiséieren.

"Kubeflow" trotz am Moment ënnert der stabil Versioun 1.2, wéi et op senger offizieller offizieller Websäit an GitHub, op hirem offiziellen Blog erschéngt, ass et scho kommentéiert op der nächst Versioun 1.3. Dofir wäerte mir haut an dëser Uwendung verdéiwen.

Kognitiven Toolkit: Open Source Deep Learning SW

Kognitiven Toolkit: Open Source Deep Learning SW

A wéi gewinnt, fir déi déi ëmmer gär an e geliesent Thema aginn, loosse mir folgend Linken op ähnlech fréier Posts fir Iech ze entdecken nodeems dëse Post fäerdeg ass:

"Microsoft's Cognitive Toolkit (fréier CNTK genannt) ass en Deep Learning Toolkit (Machine Learning) de «Código Abierto» mat enormem Potential. Et ass och gratis, einfach ze benotzen a kommerziell Qualitéitsqualitéit déi et erméiglecht déif Léieralgorithmen ze kreéieren déi fäeg sinn ze léieren op engem Niveau no bei deem vum mënschleche Gehir." Kognitiven Toolkit: Open Source Deep Learning SW

Verbonnen Artikel:
Kognitiven Toolkit: Open Source Deep Learning SW

Verbonnen Artikel:
.NET an ML.NET: Microsoft Open Source Plattformen
Verbonnen Artikel:
TensorFlow a Pytorch: Open Source AI Plattformen

Kubeflow: En Open Machine Learning Project

Kubeflow: En Open Machine Learning Project

Wat ass Kubeflow?

No Ärem offizieller Websäit, dësen oppene Projet ass wéi folgend definéiert:

"Et ass e Projet gewidmet fir Machine Learning (ML) Workflow Deployments op Kubernetes einfach, portabel a skalierbar ze maachen. Säin Zil ass net aner Servicer nei ze kreéieren, awer en einfachen Wee ze bidden fir déi bescht Open Source Systemer fir ML iwwer verschidden Infrastrukturen auszesetzen. Also iwwerall wou Kubernetes leeft, kann Kubeflow lafen."

Wärend, op Ärem Site am GitHub, füügt kuerz folgend derbäi:

"Kubeflow ass déi natierlech Plattform an der Wollek fir Maschinn léieren Operatiounen: Pipelines, Training an Deployment."

Vun dësem kann et einfach ofgeleet ginn datt, d'Haaptzil vun "Kubeflow" Et ass:

"Maacht Maschinn léieren (ML) Skala an Deployement sou einfach wéi méiglech, a loosst Kubernetes maachen wat et weess wéi se maachen: Einfach, widderhuelbar, portabel Deployementer iwwer eng verschidden Infrastruktur, Mikroservicer Deployement a Gestioun lous gekoppelt a Skala op Ufro."

Charakteristiken?

Zu de bemierkenswäerte Charakteristike vun "Kubeflow" Mir kënnen äntweren:

  • Ëmfaasst Servicer fir interaktiv Jupiter Notizbicher ze kreéieren an ze managen. Erméiglecht den Asaz vun deemselwechten an anere Computerressourcen ze personaliséieren fir se un d'Besoine vun der Datenwëssenschaft unzepassen. Dofir ass et einfach ze experimentéieren mat lokalen Workflows, an se dann an der Cloud z'installéieren wann néideg.
  • Bitt e personaliséierten TensorFlow Training Job Operator. Wat kann benotzt ginn fir en ML Modell ze trainéieren. Besonnesch de Kubeflow Joboperator kann verdeelt TensorFlow Trainingsjobs verschaffen. Erlaabt d'Kraaft fir den Trainingscontroller ze konfiguréieren fir CPUs oder GPUs ze benotzen, an doduerch u verschidde Clustergréissten unzepassen.
  • Ënnerstëtzt en TensorFlow Serving Container fir trainéiert TensorFlow Modeller op Kubernetes ze exportéieren. Zousätzlech ass Kubeflow och mat Seldon Core integréiert, eng Open Source Plattform fir Maschinnléiere Modeller op Kubernetes z'installéieren, an NVIDIA Triton Inference Server fir d'GPU Utilisatioun ze maximéieren wann Dir ML / DL Modeller a Skala asetzt.
  • Ëmfaasst Kubeflow Pipelines Technologie. Wat eng ëmfaassend Léisung ass fir end-to-end ML Workflows z'installéieren an ze managen. Erlaabt séier a verlässlech Experimenter, benotzt fir Runen ze plangen a vergläichen, an detailléiert Berichter iwwer all Run iwwerpréiwen.
  • Bitt eng Multi-Framework Fondatioun. Zënter datt et niewent der Aarbecht ganz gutt mat TensorFlow geschwënn Ënnerstëtzung fir PyTorch, Apache MXNet, MPI, XGBoost, Chainer, a méi.

Méi aktuell Informatioun iwwer "Kubeflow" kann direkt op Ärem Offiziellen Blog.

Wat ass Kubernetes?

Am Bezug op déi, "Kubeflow" funktionnéiert un "Kubernetes", et ass derwäert no Ärer eegener ze spezifizéieren offizieller Websäit datt dës déi folgend ass:

"Kubernetes (K8s) ass eng Open Source Plattform fir den Asaz, Skaléieren a Gestioun vu containeriséierten Uwendungen ze automatiséieren."

An am Fall vun, wëlle verdéiwen "Kubernetes" Dir kënnt eis fréier a lescht verwandte Publikatiounen ënnersichen:

Verbonnen Artikel:
Kubernetes 1.19 kënnt mat engem Joer Ënnerstëtzung, TLS 1.3, Verbesserungen a méi un
Verbonnen Artikel:
Docker vs Kubernetes: Virdeeler an Nodeeler

Allgemeng Bild fir Artikel Conclusiounen

Konklusioun

Mir hoffen dat "hëllefräich klenge Post" ongeféier «Kubeflow», en interessanten a modernen Open Source Projet am Feld vun Deep Learning, gemaach fir d'Reechwäit vun der Open Source Plattform ze erhéijen «Kubernetes »; ass vu groussen Interesse an Utilitéit, fir d'ganz «Comunidad de Software Libre y Código Abierto» a vu grousse Bäitrag zur Diffusioun vum wonnerschéinen, giganteschen a wuessenden Ökosystem vun Uwendunge vu «GNU/Linux».

Fir elo, wann Dir dëst gär hätt publicación, Net ophalen deelen et mat aneren, op Äre Liiblingswebsäiten, Kanäl, Gruppen oder Gemeinschaften vu sozialen Netzwierker oder Messagerie Systemer, am beschten gratis, oppen an / oder méi sécher wéi Hëllefe profitéierenSignalMastodon oder eng aner vun Fediverse, am léifsten.

An denkt drun eis Homepage bei ze besichen «FromLinux» fir méi Neiegkeeten ze entdecken, sou wéi och mat eisem offizielle Kanal vun Telegramm vu FromLinuxWärend, fir méi Informatioun, kënnt Dir all besichen Online Bibliothéik wéi OpenLibra y JedIT, fir digital Bicher (PDFs) zu dësem Thema oder aneren z'erreechen an ze liesen.


Den Inhalt vum Artikel hält sech un eis Prinzipie vun redaktionnell Ethik. Fir e Feeler ze mellen klickt hei.

Gitt d'éischt fir ze kommentéieren

Gitt Äre Kommentar

Är Email Adress gëtt net publizéiert ginn. Néideg Felder sinn markéiert mat *

*

*

  1. Responsabel fir d'Daten: Miguel Ángel Gatón
  2. Zweck vun den Donnéeën: Kontroll SPAM, Kommentarmanagement.
  3. Legitimatioun: Är Zoustëmmung
  4. Kommunikatioun vun den Donnéeën: D'Donnéeë ginn net un Drëttubidder matgedeelt ausser duerch legal Verpflichtung.
  5. Datenspeicher: Datebank gehost vun Occentus Networks (EU)
  6. Rechter: Zu all Moment kënnt Dir Är Informatioun limitéieren, recuperéieren an läschen.