Kubeflow: mašīnmācīšanās rīku komplekts Kubernetes

Kubeflow: mašīnmācīšanās rīku komplekts Kubernetes

Kubeflow: mašīnmācīšanās rīku komplekts Kubernetes

Mūsu šodienas ziņojums būs saistīts ar Automātiska mācīšanās (mašīnmācība / ML). Konkrēti par atvērta pirmkoda lietojumprogrammu, ko sauc "Kubeflow", kas savukārt darbojas Kubernetes. Kā jau daudzi no jums zina, tā ir atvērtā koda sistēma konteinerizētu lietojumprogrammu izvietošanas, mērogošanas un apstrādes automatizēšanai.

"Kubeflow" neskatoties uz to, ka tas pašlaik ir pieejams stabila versija 1.2, kā tas redzams tās oficiālajā oficiālajā vietnē un GitHub oficiālajā emuārā, tas jau ir komentēts nākamā versija 1.3. Tāpēc šodien mēs iedziļināsimies šajā pieteikumā.

Kognitīvo rīkkopa: atvērtā koda dziļas mācīšanās SW

Kognitīvo rīkkopa: atvērtā koda dziļas mācīšanās SW

Un kā parasti, tiem, kas vienmēr vēlas iedziļināties izlasītajā tēmā, mēs atstāsim šādas saites uz saistītajām iepriekšējām ziņām, kuras varat izpētīt, tiklīdz šī ziņa būs pabeigta:

"Microsoft kognitīvo rīku komplekts (agrāk saukts CNTK) ir dziļš mācību rīku komplekts (Machine Learning) de «Código Abierto» ar milzīgu potenciālu. Tā ir arī bezmaksas, viegli lietojama un komerciālas kvalitātes kvalitāte, kas ļauj jums izveidot dziļus mācību algoritmus, kas spēj mācīties līmenī, kas ir tuvu cilvēka smadzenēm." Kognitīvo rīkkopa: atvērtā koda dziļas mācīšanās SW

Kognitīvo rīkkopa: atvērtā koda dziļas mācīšanās SW
saistīto rakstu:
Kognitīvo rīkkopa: atvērtā koda dziļas mācīšanās SW
.NET un ML.NET: Microsoft atvērtā koda platformas
saistīto rakstu:
.NET un ML.NET: Microsoft atvērtā koda platformas
TensorFlow un Pytorch: atvērtā koda AI platformas
saistīto rakstu:
TensorFlow un Pytorch: atvērtā koda AI platformas

Kubeflow: Atvērts mašīnmācīšanās projekts

Kubeflow: Atvērts mašīnmācīšanās projekts

Kas ir Kubeflow?

Saskaņā ar jūsu oficiālā tīmekļa vietne, šis atklātais projekts ir definēts šādi:

"Tas ir projekts, kura mērķis ir padarīt mašīnmācīšanās (ML) darbplūsmas izvietošanu Kubernetes vienkāršu, pārnēsājamu un mērogojamu. Tās mērķis nav atjaunot citus pakalpojumus, bet gan nodrošināt vienkāršu veidu, kā izvietot labākās ML atvērtā pirmkoda sistēmas dažādās infrastruktūrās. Tātad visur, kur darbojas Kubernetes, Kubeflow var darboties."

Kamēr jūsu vietnē plkst GitHub, īsi pievienojiet šo:

"Kubeflow ir vietējā mākoņa platforma mašīnmācīšanās operācijām: cauruļvadi, apmācība un izvietošana."

No tā var viegli secināt, ka tas ir galvenais mērķis "Kubeflow" ir:

"Padariet pēc iespējas vieglāku mašīnmācīšanās (ML) modeļa mērogošanu un izvietošanu, ļaujot Kubernetes darīt to, ko prot: Viegla, atkārtojama, pārnēsājama izvietošana daudzveidīgā infrastruktūrā, mikropakalpojumu izvietošana un pārvaldība ir brīvi savienota un pielāgota pēc pieprasījuma."

Raksturojums?

Starp ievērojamām īpašībām "Kubeflow" Varam pieminēt sekojošo:

  • Ietver pakalpojumus interaktīvu Jupiter piezīmjdatoru izveidošanai un pārvaldībai. Ļaujot pielāgot to pašu un citu datoru resursu izvietošanu, lai tos pielāgotu datu zinātnes vajadzībām. Tādējādi ļaujot viegli eksperimentēt ar vietējām darbplūsmām un pēc vajadzības izvietot tās mākonī.
  • Nodrošina pielāgotu TensorFlow apmācību darba operatoru. Ko var izmantot, lai apmācītu ML modeli. Jo īpaši Kubeflow darba operators var apstrādāt izplatītos TensorFlow apmācības darbus. Ļaujot jaudai konfigurēt apmācības kontrolieri, lai tas izmantotu CPU vai GPU, un tādējādi pielāgotos dažādiem klastera izmēriem.
  • Atbalsta TensorFlow Serving konteineru apmācītu TensorFlow modeļu eksportēšanai uz Kubernetes. Turklāt Kubeflow ir integrēts arī ar Seldon Core, atvērtā koda platformu mašīnmācīšanās modeļu izvietošanai Kubernetes, un NVIDIA Triton Inference Server, lai maksimizētu GPU izmantošanu, izvietojot ML / DL modeļus mērogā.
  • Ietver Kubeflow cauruļvadu tehnoloģiju. Kas ir visaptverošs risinājums, lai izvietotu un pārvaldītu pilnīgas ML darbplūsmas. Ļaujot veikt ātrus un uzticamus eksperimentus, kurus izmanto, lai ieplānotu un salīdzinātu braucienus, un pārskatītu detalizētus pārskatus par katru braucienu.
  • Piedāvā vairāku ietvaru pamatu. Tā kā papildus tam, ka tas ļoti labi strādā ar TensorFlow, tam drīz būs atbalsts arī PyTorch, Apache MXNet, MPI, XGBoost, Chainer un citiem.

Aktuālāka informācija par "Kubeflow" var iegūt tieši uz jūsu Oficiālais emuārs.

Kas ir Kubernetes?

Ņemot vērā, "Kubeflow" darbojas "Kubernetes", ir vērts precizēt atbilstoši savējiem oficiālā tīmekļa vietne ka pēdējais ir šāds:

"Kubernetes (K8s) ir atvērtā koda platforma konteinerizētu lietojumprogrammu izvietošanas, mērogošanas un pārvaldības automatizēšanai."

Ja vēlaties, vēlieties padziļināt "Kubernetes" Zemāk varat izpētīt mūsu iepriekšējās un jaunākās saistītās publikācijas:

saistīto rakstu:
Kubernetes 1.19 tiek piegādāts ar viena gada atbalstu, TLS 1.3, uzlabojumiem un daudz ko citu
Dokers vs Kubernetes
saistīto rakstu:
Docker vs Kubernetes: priekšrocības un trūkumi

Vispārējs attēls raksta secinājumiem

Secinājums

Mēs to ceram "noderīga maz ziņa" uz «Kubeflow», interesants un mūsdienīgs atvērtā koda projekts dziļu mācību jomā, kas veikts, lai palielinātu atvērtā koda platformas sasniedzamību «Kubernetes »; ir liela interese un lietderība kopumā «Comunidad de Software Libre y Código Abierto» un liels ieguldījums brīnišķīgās, gigantiskās un augošās EOS ekosistēmas izplatībā «GNU/Linux».

Pagaidām, ja jums tas patika publicación, Neapstājies padalies ar to kopā ar citiem jūsu iecienītākajās vietnēs, kanālos, sociālo tīklu vai ziņojumapmaiņas sistēmu grupās vai kopienās, vēlams bez maksas, atvērtā un / vai drošākā veidā TelegramSignalizētMastodonts vai cita no Fediverse, vēlams.

Un atcerieties apmeklēt mūsu mājas lapu vietnē «DesdeLinux» izpētīt vairāk jaunumu, kā arī pievienoties mūsu oficiālajam kanālam Telegramma no DesdeLinuxLai gan, lai iegūtu vairāk informācijas, jūs varat apmeklēt jebkuru Tiešsaistes bibliotēka kā OpenLibra y jedit, lai piekļūtu un lasītu digitālās grāmatas (PDF) par šo vai citām tēmām.


Atstājiet savu komentāru

Jūsu e-pasta adrese netiks publicēta. Obligātie lauki ir atzīmēti ar *

*

*

  1. Atbildīgais par datiem: Migels Ángels Gatóns
  2. Datu mērķis: SPAM kontrole, komentāru pārvaldība.
  3. Legitimācija: jūsu piekrišana
  4. Datu paziņošana: Dati netiks paziņoti trešām personām, izņemot juridiskus pienākumus.
  5. Datu glabāšana: datu bāze, ko mitina Occentus Networks (ES)
  6. Tiesības: jebkurā laikā varat ierobežot, atjaunot un dzēst savu informāciju.