โพสต์ของเราวันนี้จะจัดการกับฟิลด์ของ การเรียนรู้อัตโนมัติ (Machine Learning / ML). โดยเฉพาะเกี่ยวกับแอปพลิเคชันโอเพนซอร์สที่เรียกว่า "คูเบโฟลว์"ซึ่งจะเปิดใช้งานได้ Kubernetes. ซึ่งอย่างที่หลาย ๆ ท่านทราบกันดีอยู่แล้วว่าเป็นระบบโอเพ่นซอร์สสำหรับการปรับใช้การปรับขนาดและการจัดการแอปพลิเคชันที่มีคอนเทนเนอร์โดยอัตโนมัติ
"คูเบโฟลว์" แม้ว่าจะมีให้บริการอยู่ภายใต้ไฟล์ เวอร์ชันเสถียร 1.2ดังที่ปรากฏในเว็บไซต์อย่างเป็นทางการและ GitHub ในบล็อกอย่างเป็นทางการมีการแสดงความคิดเห็นไว้แล้วในไฟล์ 1.3 เวอร์ชันถัดไป. นั่นคือเหตุผลที่วันนี้เราจะมาเจาะลึกแอพพลิเคชั่นนี้
และตามปกติสำหรับผู้ที่กระตือรือร้นที่จะอ่านหัวข้อต่างๆเราจะปล่อยลิงก์ต่อไปนี้ไปยังโพสต์ก่อนหน้านี้ไว้ให้คุณได้สำรวจเมื่อโพสต์นี้เสร็จสิ้น:
"Cognitive Toolkit ของ Microsoft (เดิมเรียกว่า CNTK) เป็นชุดเครื่องมือการเรียนรู้เชิงลึก
(Machine Learning)
de«Código Abierto»
ด้วยศักยภาพมหาศาล นอกจากนี้ยังฟรีใช้งานง่ายและมีคุณภาพระดับเชิงพาณิชย์ที่ช่วยให้คุณสร้างอัลกอริธึมการเรียนรู้เชิงลึกที่สามารถเรียนรู้ในระดับที่ใกล้เคียงกับสมองของมนุษย์" Cognitive Toolkit: Open Source Deep Learning SW
Kubeflow: โครงการ Open Machine Learning
Kubeflow คืออะไร?
ตามที่คุณ เว็บไซต์ทางการโครงการเปิดนี้ถูกกำหนดดังนี้:
"เป็นโครงการเฉพาะเพื่อทำให้การปรับใช้เวิร์กโฟลว์แมชชีนเลิร์นนิง (ML) บน Kubernetes ง่ายพกพาและปรับขนาดได้ เป้าหมายไม่ใช่เพื่อสร้างบริการอื่น ๆ ขึ้นมาใหม่ แต่เพื่อมอบวิธีง่ายๆในการปรับใช้ระบบโอเพ่นซอร์สที่ดีที่สุดสำหรับ ML ในโครงสร้างพื้นฐานต่างๆ ดังนั้นทุกที่ที่ Kubernetes ทำงาน Kubeflow ก็สามารถทำงานได้"
ในขณะนั้นบนไซต์ของคุณที่ GitHubเพิ่มสิ่งต่อไปนี้สั้น ๆ :
"Kubeflow เป็นแพลตฟอร์มดั้งเดิมในระบบคลาวด์สำหรับการดำเนินการของแมชชีนเลิร์นนิง: ไปป์ไลน์การฝึกอบรมและการปรับใช้"
จากนี้สามารถอนุมานได้ง่ายว่าวัตถุประสงค์หลักของ "คูเบโฟลว์" มันเป็น:
"ทำให้การปรับขนาดและการปรับใช้โมเดลแมชชีนเลิร์นนิง (ML) เป็นเรื่องง่ายที่สุดโดยให้ Kubernetes ทำในสิ่งที่รู้ว่าต้องทำอย่างไร: การปรับใช้แบบพกพาที่ง่ายทำซ้ำได้ในโครงสร้างพื้นฐานที่หลากหลายการปรับใช้ไมโครเซอร์วิสและการจัดการควบคู่กันไปอย่างหลวม ๆ และปรับขนาดตามความต้องการ"
ลักษณะเฉพาะ?
ท่ามกลางลักษณะที่โดดเด่นของ "คูเบโฟลว์" เราสามารถพูดถึงต่อไปนี้:
- รวมบริการสร้างและจัดการสมุดบันทึก Jupiter แบบโต้ตอบ. อนุญาตให้ปรับแต่งการปรับใช้ทรัพยากรคอมพิวเตอร์เดียวกันและอื่น ๆ เพื่อปรับให้เข้ากับความต้องการของวิทยาศาสตร์ข้อมูล ดังนั้นจึงทำให้ง่ายต่อการทดลองใช้เวิร์กโฟลว์ภายในเครื่องจากนั้นจึงปรับใช้ในระบบคลาวด์เมื่อจำเป็น
- จัดเตรียมผู้ปฏิบัติงานการฝึกอบรม TensorFlow ที่กำหนดเอง ซึ่งสามารถใช้ในการฝึกอบรมแบบจำลอง ML โดยเฉพาะอย่างยิ่งผู้ปฏิบัติงาน Kubeflow สามารถจัดการงานฝึกอบรม TensorFlow แบบกระจายได้ ให้อำนาจในการกำหนดค่าตัวควบคุมการฝึกอบรมเพื่อใช้ CPU หรือ GPU และปรับให้เข้ากับขนาดคลัสเตอร์ต่างๆ
- รองรับ TensorFlow ที่ให้บริการคอนเทนเนอร์สำหรับส่งออกโมเดล TensorFlow ที่ผ่านการฝึกอบรมไปยัง Kubernetes นอกจากนี้ Kubeflow ยังรวมเข้ากับ Seldon Core ซึ่งเป็นแพลตฟอร์มโอเพ่นซอร์สสำหรับการปรับใช้โมเดลแมชชีนเลิร์นนิงบน Kubernetes และ NVIDIA Triton Inference Server เพื่อเพิ่มการใช้ GPU สูงสุดเมื่อปรับใช้โมเดล ML / DL ตามขนาด
- รวมถึงเทคโนโลยี Kubeflow Pipelines. ซึ่งเป็นโซลูชันที่ครอบคลุมสำหรับการปรับใช้และจัดการเวิร์กโฟลว์ ML แบบ end-to-end อนุญาตให้ทำการทดลองได้อย่างรวดเร็วและเชื่อถือได้ใช้เพื่อกำหนดเวลาและเปรียบเทียบการวิ่งและตรวจสอบรายงานโดยละเอียดเกี่ยวกับการรันแต่ละครั้ง
- เสนอพื้นฐานหลายกรอบ. เนื่องจากนอกจากจะทำงานได้ดีกับ TensorFlow แล้วในไม่ช้ามันจะรองรับ PyTorch, Apache MXNet, MPI, XGBoost, Chainer และอีกมากมาย
ข้อมูลที่เป็นปัจจุบันเพิ่มเติมเกี่ยวกับ "คูเบโฟลว์" ได้โดยตรงบนไฟล์ บล็อกอย่างเป็นทางการ.
Kubernetes คืออะไร?
ให้ "คูเบโฟลว์" ใช้งานได้ "Kubernetes"มันคุ้มค่าที่จะระบุตามที่คุณต้องการ เว็บไซต์ทางการ ที่หลังมีดังต่อไปนี้:
"Kubernetes (K8s) เป็นแพลตฟอร์มโอเพ่นซอร์สสำหรับการปรับใช้การปรับขนาดและการจัดการแอปพลิเคชันที่มีคอนเทนเนอร์โดยอัตโนมัติ"
และในกรณีนี้ขอให้ลึกซึ้งยิ่งขึ้น "Kubernetes" คุณสามารถสำรวจสิ่งพิมพ์ที่เกี่ยวข้องก่อนหน้าและล่าสุดของเราด้านล่าง:
ข้อสรุป
เราหวังว่าสิ่งนี้ "โพสต์เล็ก ๆ น้อย ๆ ที่มีประโยชน์" บน «Kubeflow»
โครงการโอเพ่นซอร์สที่น่าสนใจและทันสมัยในด้านการเรียนรู้เชิงลึกที่สร้างขึ้นเพื่อเพิ่มการเข้าถึงของแพลตฟอร์มโอเพ่นซอร์ส «Kubernetes »; เป็นที่สนใจและเป็นประโยชน์อย่างยิ่งสำหรับทุกคน «Comunidad de Software Libre y Código Abierto»
และมีส่วนช่วยอย่างมากต่อการแพร่กระจายของระบบนิเวศที่ยอดเยี่ยมขนาดมหึมาและการเติบโตของการใช้งาน «GNU/Linux»
.
สำหรับตอนนี้ถ้าคุณชอบสิ่งนี้ publicación
, อย่าหยุด แบ่งปัน กับผู้อื่นบนเว็บไซต์ช่องทางกลุ่มหรือชุมชนเครือข่ายสังคมหรือระบบการส่งข้อความที่คุณชื่นชอบโดยเฉพาะอย่างยิ่งฟรีเปิดกว้างและ / หรือปลอดภัยมากขึ้นตาม Telegram, สัญญาณ, สัตว์แมสทอดอน หรืออื่น ๆ ของ Fediverseโดยเฉพาะอย่างยิ่ง
และอย่าลืมเยี่ยมชมหน้าแรกของเราที่ «DesdeLinux» เพื่อสำรวจข่าวสารเพิ่มเติมรวมทั้งเข้าร่วมช่องทางการของเราที่ โทรเลขของ DesdeLinux. ในขณะที่สำหรับข้อมูลเพิ่มเติมคุณสามารถไปที่ใดก็ได้ ห้องสมุดออนไลน์ ในขณะที่ OpenLibra y เจดไอที, เพื่อเข้าถึงและอ่านหนังสือดิจิทัล (PDF) ในหัวข้อนี้หรืออื่น ๆ