Kubeflow: Nabor orodij za strojno učenje za Kubernetes

Kubeflow: Nabor orodij za strojno učenje za Kubernetes

Kubeflow: Nabor orodij za strojno učenje za Kubernetes

Naša današnja objava bo obravnavala področje Samodejno učenje (strojno učenje / ML). Natančneje o odprtokodni aplikaciji, imenovani "Kubeflow", ki pa deluje naprej Kubernetes. Kar je, kot mnogi že veste, odprtokodni sistem za avtomatizacijo uvajanja, spreminjanja velikosti in ravnanja s kontejnerskimi aplikacijami.

"Kubeflow" čeprav je trenutno na voljo v stabilna različica 1.2, kot je prikazano na uradni uradni spletni strani in GitHub, je v svojem uradnem blogu že komentirano naslednja različica 1.3. Zato se bomo danes poglobili v to aplikacijo.

Kognitivni priročnik: odprtokodno globoko učenje SW

Kognitivni priročnik: odprtokodno globoko učenje SW

Kot običajno, bomo za tiste, ki se vedno želijo poglobiti v prebrano temo, pustili naslednje povezave do sorodnih prejšnjih objav, da jih boste lahko raziskali, ko bo ta objava končana:

"Microsoftov Cognitive Toolkit (prej imenovan CNTK) je orodje za globoko učenje (Machine Learning) de «Código Abierto» z ogromnim potencialom. Prav tako je brezplačna, enostavna za uporabo in komercialne kakovosti, ki vam omogoča, da ustvarite algoritme globokega učenja, ki se lahko učijo na ravni, ki je blizu ravni človeških možganov." Kognitivni priročnik: odprtokodno globoko učenje SW

Kognitivni priročnik: odprtokodno globoko učenje SW
Povezani članek:
Kognitivni priročnik: odprtokodno globoko učenje SW
.NET in ML.NET: Microsoftove odprtokodne platforme
Povezani članek:
.NET in ML.NET: Microsoftove odprtokodne platforme
TensorFlow in Pytorch: odprtokodne platforme AI
Povezani članek:
TensorFlow in Pytorch: odprtokodne platforme AI

Kubeflow: projekt odprtega strojnega učenja

Kubeflow: projekt odprtega strojnega učenja

Kaj je Kubeflow?

Glede na vaše uradna spletna stran, ta odprti projekt je opredeljen na naslednji način:

"Gre za projekt, namenjen enostavni, prenosni in razširljivi uvedbi delovnega toka strojnega učenja (ML) na Kubernetesu. Njegov namen ni poustvarjanje drugih storitev, temveč zagotavljanje enostavnega načina uvajanja najboljših odprtokodnih sistemov za ML v različnih infrastrukturah. Torej, kjer koli Kubernetes teče, lahko Kubeflow deluje."

Medtem, na vašem spletnem mestu na GitHub, na kratko dodajte naslednje:

"Kubeflow je izvorna platforma v oblaku za operacije strojnega učenja: cevovodi, usposabljanje in uvajanje."

Iz tega je mogoče zlahka razbrati, da je glavni cilj "Kubeflow" je:

"Olajšajte skaliranje in uvajanje modelov strojnega učenja (ML) čim bolj enostavno, tako da Kubernetesu omogočite, da počne to, kar počne: enostavne, ponovljive in prenosne razmestitve v raznoliki infrastrukturi, uvajanje in upravljanje mikro storitev, ohlapno povezani in prilagojeni na zahtevo."

Značilnosti?

Med izjemnimi značilnostmi "Kubeflow" Omenimo lahko naslednje:

  • Vključuje storitve za ustvarjanje in upravljanje interaktivnih zvezkov Jupiter. Omogoča prilagoditev uvajanja istih in drugih računalniških virov, da se prilagodijo potrebam podatkovne znanosti. Tako olajšajte eksperimentiranje z lokalnimi poteki dela in jih po potrebi razmestite v oblak.
  • Ponuja prilagojenega operaterja za usposabljanje TensorFlow. Kateri se lahko uporablja za trening modela ML. Zlasti lahko upravljavec opravil Kubeflow obravnava porazdeljena opravila za usposabljanje TensorFlow. Omogočanje moči za konfiguriranje krmilnika vadbe za uporabo CPU-jev ali GPU-jev in s tem prilagajanje različnim velikostim gruč.
  • Podpira servirni vsebnik TensorFlow za izvoz usposobljenih modelov TensorFlow v Kubernetes. Poleg tega je Kubeflow integriran tudi s Seldon Core, odprtokodno platformo za uvajanje modelov strojnega učenja na Kubernetesu in strežnikom NVIDIA Triton Inference Server, da kar najbolj izkoristi GPU pri uvajanju modelov ML / DL v velikem obsegu.
  • Vključuje tehnologijo Kubeflow Pipelines. Kar je celovita rešitev za uvajanje in upravljanje celotnih delovnih tokov ML. Omogoča hitro in zanesljivo eksperimentiranje, razporejanje in primerjanje tekov ter pregled podrobnih poročil o vsakem teku.
  • Ponuja multi-framework temelj. Ker bo poleg tega, da zelo dobro sodeluje s TensorFlowom, kmalu dobil podporo za PyTorch, Apache MXNet, MPI, XGBoost, Chainer in druge.

Več ažurnih informacij o "Kubeflow" lahko dobite neposredno na vašem Uradni blog.

Kaj je Kubernetes?

Glede na "Kubeflow" deluje na "Kubernetes", je vredno določiti glede na vaše uradna spletna stran da je slednje naslednje:

"Kubernetes (K8s) je odprtokodna platforma za avtomatizacijo uvajanja, spreminjanja velikosti in upravljanja vsebniških aplikacij."

In v primeru, se želite poglobiti naprej "Kubernetes" Spodaj lahko preučite naše prejšnje in najnovejše povezane publikacije:

Povezani članek:
Kubernetes 1.19 prihaja z enoletno podporo, TLS 1.3, izboljšavami in še več
Docker proti Kubernetesu
Povezani članek:
Docker vs Kubernetes: prednosti in slabosti

Splošna slika za zaključke članka

Zaključek

Upamo, da to "koristna majhna objava" na «Kubeflow», zanimiv in sodoben odprtokodni projekt na področju poglobljenega učenja, namenjen povečanju dosega odprtokodne platforme «Kubernetes »; je za celotno zelo zanimivo in uporabno «Comunidad de Software Libre y Código Abierto» in velik prispevek k širjenju čudovitega, velikanskega in rastočega ekosistema aplikacij «GNU/Linux».

Za zdaj, če vam je bilo to všeč publicación, Ne nehaj delite z drugimi na vaših najljubših spletnih mestih, kanalih, skupinah ali skupnostih v družabnih omrežjih ali sistemih za sporočanje, po možnosti brezplačno, odprto in / ali bolj varno kot TelegramSignalMastodon ali drug od Fediverse, po možnosti.

In ne pozabite obiskati naše domače strani na «DesdeLinux» da raziščete več novic in se pridružite našemu uradnemu kanalu Telegram z dne DesdeLinuxZa več informacij pa lahko obiščete katero koli Spletna knjižnica kot OpenLibra y jedit, za dostop in branje digitalnih knjig (PDF) na to temo ali drugih.


Pustite svoj komentar

Vaš e-naslov ne bo objavljen. Obvezna polja so označena z *

*

*

  1. Za podatke odgovoren: Miguel Ángel Gatón
  2. Namen podatkov: Nadzor neželene pošte, upravljanje komentarjev.
  3. Legitimacija: Vaše soglasje
  4. Sporočanje podatkov: Podatki se ne bodo posredovali tretjim osebam, razen po zakonski obveznosti.
  5. Shranjevanje podatkov: Zbirka podatkov, ki jo gosti Occentus Networks (EU)
  6. Pravice: Kadar koli lahko omejite, obnovite in izbrišete svoje podatke.