Kubeflow: Machine Learning Toolkit para sa Kubernetes

Kubeflow: Machine Learning Toolkit para sa Kubernetes

Kubeflow: Machine Learning Toolkit para sa Kubernetes

Ang aming post ngayon ay haharapin ang larangan ng Awtomatikong Pag-aaral (Machine Learning / ML). Partikular tungkol sa isang bukas na application ng mapagkukunan na tinatawag na "Kubeflow", na siya namang, ay gumagana Kubernetes. Alin, tulad ng alam mo na, ay isang bukas na mapagkukunan ng system para sa pag-automate ng pag-deploy, pag-scale at paghawak ng mga lalagyan na aplikasyon.

"Kubeflow" sa kabila ng kasalukuyang magagamit sa ilalim ng matatag na bersyon 1.2, tulad ng paglitaw nito sa opisyal na opisyal na website at GitHub, sa opisyal na Blog, ito ay nagkomento na sa susunod na bersyon 1.3. Iyon ang dahilan kung bakit ngayon, susuriin namin ang application na ito.

Cognitive Toolkit: Open Source Deep Learning SW

Cognitive Toolkit: Open Source Deep Learning SW

At tulad ng dati, para sa mga laging sabik na suriin ang isang paksang nabasa, iiwan namin ang mga sumusunod na link mula sa mga nauugnay na nakaraang post para sa iyo upang galugarin kapag natapos ang post na ito:

"Ang Cognitive Toolkit ng Microsoft (dating tinawag na CNTK) ay isang malalim na toolkit sa pag-aaral (Machine Learning) de «Código Abierto» na may napakalaking potensyal. Libre din ito, madaling gamitin, at kalidad sa antas ng komersyal na nagbibigay-daan sa iyo upang lumikha ng mga malalim na algorithm sa pag-aaral na may kakayahang matuto sa antas na malapit sa utak ng tao." Cognitive Toolkit: Open Source Deep Learning SW

Cognitive Toolkit: Open Source Deep Learning SW
Kaugnay na artikulo:
Cognitive Toolkit: Open Source Deep Learning SW
.NET at ML.NET: Mga Platform ng Open Source ng Microsoft
Kaugnay na artikulo:
.NET at ML.NET: Mga Platform ng Open Source ng Microsoft
TensorFlow at Pytorch: Open Source AI Platforms
Kaugnay na artikulo:
TensorFlow at Pytorch: Open Source AI Platforms

Kubeflow: Isang Open Project Learning Project

Kubeflow: Isang Open Project Learning Project

Ano ang Kubeflow?

Ayon sa iyong opisyal na website, ang bukas na proyekto na ito ay tinukoy bilang mga sumusunod:

"Ito ay isang proyekto na nakatuon sa paggawa ng machine learning (ML) na pag-deploy ng daloy ng trabaho sa Kubernetes na simple, portable, at nasusukat. Hindi ito inilaan upang muling likhain ang iba pang mga serbisyo, ngunit upang magbigay ng isang madaling paraan upang maipadala ang pinakamahusay na mga open source system para sa ML sa iba't ibang mga imprastraktura. Kaya't saanman tumakbo ang Kubernetes, maaaring tumakbo ang Kubeflow."

Habang, sa iyong site sa GitHub, maikling idagdag ang sumusunod:

"Ang Kubeflow ay ang katutubong platform sa ulap para sa mga operasyon ng pag-aaral ng makina: mga pipeline, pagsasanay at pag-deploy."

Mula dito, madali itong mahihinuha na, ang pangunahing layunin ng "Kubeflow" ay:

"Gawing madali ang pag-scale ng modelo ng pag-aaral ng machine (ML), sa pamamagitan ng pagpapaalam sa Kubernetes na gawin kung ano ang ginagawa nito: Madali, maulit, at portable na pag-deploy sa magkakaibang imprastraktura, paglawak ng microservices at pamamahala ng maluwag na kaisa at sukatin sa pangangailangan."

Mga Katangian?

Kabilang sa mga kapansin-pansin na katangian ng "Kubeflow" Maaari nating banggitin ang mga sumusunod:

  • May kasamang mga serbisyo upang lumikha at mamahala ng mga interactive na notebook ng Jupiter. Pinapayagan na ipasadya ang paglawak ng pareho at iba pang mga mapagkukunan ng computer upang maiakma ang mga ito sa mga pangangailangan ng data science. Kaya, ginagawang madali upang mag-eksperimento sa mga lokal na daloy ng trabaho, at pagkatapos ay i-deploy ang mga ito sa cloud kung kinakailangan.
  • Nagbibigay ng isang pasadyang operator ng trabaho sa pagsasanay na TensorFlow. Alin ang maaaring magamit upang sanayin ang isang modelo ng ML. Sa partikular, ang Kubeflow job operator ay maaaring hawakan ang ipinamahaging mga trabaho sa pagsasanay sa TensorFlow. Pinapayagan ang lakas na i-configure ang pagsasanay ng pagsasanay na gumamit ng mga CPU o GPU, at sa gayon ay umangkop sa iba't ibang laki ng kumpol.
  • Sinusuportahan ang isang lalagyan ng Paghahatid ng TensorFlow para sa pag-export ng mga may kasanayang mga modelo ng TensorFlow sa Kubernetes. Bilang karagdagan, ang Kubeflow ay isinama din sa Seldon Core, isang bukas na platform ng mapagkukunan para sa pag-deploy ng mga modelo ng pag-aaral ng makina sa Kubernetes, at NVIDIA Triton Inference Server upang ma-maximize ang paggamit ng GPU kapag naglalagay ng mga modelo ng ML / DL sa sukat.
  • May kasamang teknolohiya ng Kubeflow Pipelines. Alin ang isang komprehensibong solusyon para sa pag-deploy at pamamahala ng mga end-to-end na daloy ng ML. Pinapayagan para sa mabilis at maaasahang eksperimento, para sa pag-iiskedyul at paghahambing ng mga pagpapatakbo, at pagsusuri sa mga detalyadong ulat sa bawat pagtakbo.
  • Nag-aalok ng isang multi-framework na pundasyon. Dahil, bilang karagdagan sa pagtatrabaho nang mahusay sa TensorFlow, malapit na itong magkaroon ng suporta para sa PyTorch, Apache MXNet, MPI, XGBoost, Chainer, at marami pa.

Higit pang napapanahong impormasyon sa "Kubeflow" maaaring makuha nang direkta sa iyong Opisyal na blog.

Ano ang Kubernetes?

Dahil sa, "Kubeflow" gumagana sa "Kubernetes", ito ay nagkakahalaga ng pagtukoy ayon sa iyong sarili opisyal na website na ang huli ay ang sumusunod:

"Ang Kubernetes (K8s) ay isang bukas na platform ng mapagkukunan para sa pag-automate ng paglawak, pag-scale, at pamamahala ng mga lalagyan na aplikasyon."

At sa kaso ng, nais na lumalim sa "Kubernetes" Maaari mong tuklasin ang aming nakaraan at pinakabagong kaugnay na mga publication sa ibaba:

Kaugnay na artikulo:
Dumating ang Kubernetes 1.19 na may isang taong suporta, TLS 1.3, mga pagpapahusay at marami pa
Docker vs. Kubernetes
Kaugnay na artikulo:
Docker vs Kubernetes: mga pakinabang at kawalan

Generic na imahe para sa mga konklusyon sa artikulo

Konklusyon

Inaasahan namin na ito "kapaki-pakinabang maliit na post" sa «Kubeflow», isang kagiliw-giliw at modernong proyekto ng bukas na mapagkukunan sa larangan ng malalim na pag-aaral, na ginawa upang madagdagan ang abot ng open source platform «Kubernetes »; ay may malaking interes at utility, para sa kabuuan «Comunidad de Software Libre y Código Abierto» at ng malaking kontribusyon sa pagsasabog ng kamangha-mangha, naglalakihang at lumalaking ecosystem ng mga aplikasyon ng «GNU/Linux».

Sa ngayon, kung nagustuhan mo ito publicación, Huwag kang tumigil ibahagi ito kasama ng iba, sa iyong mga paboritong website, channel, grupo o komunidad ng mga social network o mga sistema ng pagmemensahe, mas mabuti na libre, bukas at / o mas ligtas bilang TelegramaSenyasMastodon o iba pa ng Fediverse, mas mabuti.

At tandaan na bisitahin ang aming home page sa «DesdeLinux» upang galugarin ang higit pang mga balita, pati na rin sumali sa aming opisyal na channel ng Telegram ng DesdeLinuxHabang, para sa karagdagang impormasyon, maaari mong bisitahin ang anumang Online library bilang OpenLibra y jedit, upang ma-access at mabasa ang mga digital na libro (PDF) sa paksang ito o iba pa.


Maging una sa komento

Iwanan ang iyong puna

Ang iyong email address ay hindi nai-publish. Mga kinakailangang patlang ay minarkahan ng *

*

*

  1. Responsable para sa data: Miguel Ángel Gatón
  2. Layunin ng data: Kontrolin ang SPAM, pamamahala ng komento.
  3. Legitimation: Ang iyong pahintulot
  4. Komunikasyon ng data: Ang data ay hindi maiparating sa mga third party maliban sa ligal na obligasyon.
  5. Imbakan ng data: Ang database na naka-host ng Occentus Networks (EU)
  6. Mga Karapatan: Sa anumang oras maaari mong limitahan, mabawi at tanggalin ang iyong impormasyon.