Kubeflow: trusă de instrumente de învățare automată pentru Kubernetes
Postarea noastră de astăzi se va ocupa de domeniul Învățare automată (Machine Learning / ML). Mai exact despre o aplicație open source numită „Kubeflow”, care la rândul său, funcționează Kubernetes. Care, după cum mulți dintre voi știți deja, este un sistem open source pentru automatizarea implementării, scalării și manipulării aplicațiilor containerizate.
„Kubeflow” în ciuda faptului că este disponibil în prezent în cadrul versiunea stabilă 1.2, așa cum apare pe site-ul său oficial oficial și GitHub, pe blogul său oficial, este deja comentat pe următoarea versiune 1.3. De aceea, astăzi, vom aprofunda această aplicație.
Set de instrumente cognitive: Open Source Deep Learning SW
Și, ca de obicei, pentru cei întotdeauna dornici să se adâncească într-un subiect citit, vom lăsa următoarele linkuri către postările anterioare conexe pe care le puteți explora după finalizarea acestui post:
Setul de instrumente cognitive Microsoft (numit anterior CNTK) este un set de instrumente de învățare profundă
(Machine Learning)de«Código Abierto»cu un potențial enorm. Este, de asemenea, gratuit, ușor de utilizat și de calitate comercială, care vă permite să creați algoritmi de învățare profundă capabili să învețe la un nivel apropiat de cel al creierului uman.Matei 22:21 Set de instrumente cognitive: Open Source Deep Learning SW
Kubeflow: un proiect deschis de învățare automată
Ce este Kubeflow?
Potrivit dvs. site-ul oficial, acest proiect deschis este definit după cum urmează:
Este un proiect dedicat realizării implementărilor fluxului de lucru de învățare automată (ML) pe Kubernetes simple, portabile și scalabile. Scopul său nu este de a recrea alte servicii, ci de a oferi o modalitate simplă de a implementa cele mai bune sisteme open source pentru ML pe diverse infrastructuri. Deci, oriunde Kubernetes rulează, Kubeflow poate rula.Matei 22:21
În timp ce, pe site-ul dvs. la GitHub, adăugați pe scurt următoarele:
Kubeflow este platforma nativă din cloud pentru operațiuni de învățare automată: conducte, instruire și implementare.Matei 22:21
Din aceasta, se poate deduce cu ușurință că, obiectivul principal al „Kubeflow” este:
Faceți scalarea și implementarea modelului de învățare automată (ML) cât mai ușoară posibil, lăsând Kubernetes să facă ceea ce știe să facă: implementări ușoare, repetabile, portabile pe o infrastructură diversă, implementarea și gestionarea microserviciilor cuplate în mod liber și la scară la cerere.Matei 22:21
Caracteristici?
Printre caracteristicile remarcabile ale „Kubeflow” Putem menționa următoarele:
- Include servicii pentru crearea și gestionarea notebook-urilor interactive Jupiter. Permițând personalizarea implementării aceleiași resurse informatice și a altor resurse computerizate pentru a le adapta la nevoile științei datelor. Astfel, facilitând experimentarea cu fluxuri de lucru locale și apoi implementarea lor în cloud, atunci când este necesar.
- Oferă un operator personalizat de formare TensorFlow. Care poate fi folosit pentru a antrena un model ML. În special, operatorul de joburi Kubeflow se poate ocupa de joburi de instruire distribuite TensorFlow. Permițând puterea de a configura controlerul de antrenament pentru a utiliza procesoare sau GPU-uri și, astfel, să se adapteze la diferite dimensiuni de cluster.
- Suportă un container de servire TensorFlow pentru exportul de modele TensorFlow instruite în Kubernetes. În plus, Kubeflow este, de asemenea, integrat cu Seldon Core, o platformă open source pentru implementarea modelelor de învățare automată pe Kubernetes și NVIDIA Triton Inference Server pentru a maximiza utilizarea GPU la implementarea modelelor ML / DL la scară largă.
- Include tehnologia Kubeflow Pipelines. Care este o soluție cuprinzătoare pentru implementarea și gestionarea fluxurilor de lucru end-to-end ML. Permițând o experimentare rapidă și fiabilă, utilizată pentru programarea și compararea rulărilor și revizuirea rapoartelor detaliate pentru fiecare rulare.
- Oferă o fundație multi-cadru. Deoarece, pe lângă faptul că va funcționa foarte bine cu TensorFlow, în curând va avea suport pentru PyTorch, Apache MXNet, MPI, XGBoost, Chainer și multe altele.
Mai multe informații actualizate despre „Kubeflow” pot fi obținute direct de pe Blog oficial.
Ce este Kubernetes?
Avand in vedere, „Kubeflow” funcționează pe „Kubernetes”, merită specificat în funcție de al tău site-ul oficial că acesta din urmă este următorul:
Kubernetes (K8s) este o platformă open source pentru automatizarea implementării, scalării și gestionării aplicațiilor containerizate.Matei 22:21
Și, în caz de, doriți să aprofundați „Kubernetes” Mai jos puteți explora publicațiile noastre anterioare și cele mai recente:
Concluzie
Sperăm acest lucru puțină postare utilăMatei 22:21 pe «Kubeflow», un proiect open source interesant și modern în domeniul învățării profunde, realizat pentru a crește acoperirea platformei open source «Kubernetes »; este de mare interes și utilitate, pentru întreg «Comunidad de Software Libre y Código Abierto» și de o mare contribuție la difuzarea minunatului, gigantului și creșterii ecosistemului de aplicații al «GNU/Linux».
Deocamdată, dacă ți-a plăcut asta publicación, Nu te opri împărtășește-l cu alții, pe site-urile, canalele, grupurile sau comunitățile dvs. preferate de rețele sociale sau sisteme de mesagerie, de preferință gratuite, deschise și / sau mai sigure ca Telegramă, Semnal, Mastodont sau altul din Fediverse, preferabil.
Și nu uitați să vizitați pagina noastră principală la «DesdeLinux» pentru a explora mai multe știri, precum și pentru a vă alătura canalului nostru oficial de Telegrama de DesdeLinux. În timp ce, pentru mai multe informații, puteți vizita oricare Biblioteca online ca OpenLibra y jedit, pentru a accesa și a citi cărți digitale (PDF-uri) pe această temă sau altele.