Kubeflow: Kubernetes için Makine Öğrenimi Araç Seti

Kubeflow: Kubernetes için Makine Öğrenimi Araç Seti

Kubeflow: Kubernetes için Makine Öğrenimi Araç Seti

Bugünkü yazımız alanla ilgilenecek Otomatik Öğrenme (Makine Öğrenimi / ML). Özellikle adı verilen açık kaynaklı bir uygulama hakkında "Kubeflow", bu da işe yarıyor Kubernetes. Çoğunuzun zaten bildiği gibi, kapsayıcıya alınmış uygulamaların dağıtımını, ölçeklendirilmesini ve işlenmesini otomatikleştirmek için açık kaynaklı bir sistemdir.

"Kubeflow" şu anda altında mevcut olmasına rağmen kararlı sürüm 1.2, resmi web sitesinde ve GitHub'da göründüğü gibi, resmi Blog'unda, zaten sonraki sürüm 1.3. Bu yüzden bugün bu uygulamaya gireceğiz.

Bilişsel Araç Seti: Açık Kaynak Derin Öğrenme Yazılımı

Bilişsel Araç Seti: Açık Kaynak Derin Öğrenme Yazılımı

Ve her zaman olduğu gibi, her zaman okunan bir konuyu incelemeye istekli olanlar için, bu gönderi bittiğinde keşfetmeniz için önceki ilgili gönderilere aşağıdaki bağlantıları bırakacağız:

"Microsoft'un Bilişsel Araç Seti (eski adıyla CNTK) bir derin öğrenme araç setidir (Machine Learning) de «Código Abierto» muazzam bir potansiyele sahip. Ayrıca, insan beyninin düzeyine yakın bir düzeyde öğrenme yeteneğine sahip derin öğrenme algoritmaları oluşturmanıza olanak tanıyan ücretsiz, kullanımı kolay ve ticari düzeyde kalitedir.başlıklı bir kılavuz yayınladı Bilişsel Araç Seti: Açık Kaynak Derin Öğrenme Yazılımı

İlgili makale:
Bilişsel Araç Seti: Açık Kaynak Derin Öğrenme Yazılımı

İlgili makale:
.NET ve ML.NET: Microsoft Açık Kaynak Platformları
İlgili makale:
TensorFlow ve Pytorch: Açık Kaynak Yapay Zeka Platformları

Kubeflow: Bir Açık Makine Öğrenimi Projesi

Kubeflow: Bir Açık Makine Öğrenimi Projesi

Kubeflow nedir?

Senin göre Resmi web sitesiBu açık proje şu şekilde tanımlanır:

"Kubernetes'te makine öğrenimi (ML) iş akışı dağıtımlarını basit, taşınabilir ve ölçeklenebilir hale getirmeye adanmış bir projedir. Diğer hizmetleri yeniden oluşturmak için değil, çeşitli altyapılarda makine öğrenimi için en iyi açık kaynak sistemlerini dağıtmanın kolay bir yolunu sağlamayı amaçlamaktadır. Böylece Kubernetes'in çalıştığı her yerde Kubeflow çalışabilir.başlıklı bir kılavuz yayınladı

Adresinde sitenizdeyken GitHubkısaca şunları ekleyin:

"Kubeflow, makine öğrenimi işlemleri için buluttaki yerel platformdur: ardışık düzenler, eğitim ve dağıtım.başlıklı bir kılavuz yayınladı

Buradan kolayca anlaşılabileceği gibi, ana hedefin "Kubeflow" Öyle:

"Makine öğrenimi (ML) modeli ölçeklendirmesini ve dağıtımını olabildiğince kolay hale getirerek, Kubernetes'in nasıl yapacağını bildiğini yapmasına izin verin: Çeşitli altyapılarda kolay, tekrarlanabilir, taşınabilir dağıtımlar, gevşek bir şekilde bağlanmış mikro hizmet dağıtımı ve yönetimi ve isteğe bağlı ölçeklendirme.başlıklı bir kılavuz yayınladı

Özellikler?

Dikkat çekici özellikleri arasında "Kubeflow" Aşağıdakilerden bahsedebiliriz:

  • Etkileşimli Jüpiter not defterleri oluşturmak ve yönetmek için hizmetler içerir. Veri biliminin ihtiyaçlarına uyarlamak için aynı ve diğer bilgisayar kaynaklarının dağıtımını özelleştirmeye izin vermek. Böylece, yerel iş akışlarını denemeyi ve ardından bunları gerektiğinde bulutta konuşlandırmayı kolaylaştırır.
  • Özel bir TensorFlow eğitim iş operatörü sağlar. Bir makine öğrenimi modelini eğitmek için kullanılabilir. Özellikle, Kubeflow iş operatörü dağıtılmış TensorFlow eğitim işlerinin üstesinden gelebilir. Gücün, eğitim denetleyicisini CPU'ları veya GPU'ları kullanacak şekilde yapılandırmasına ve böylece çeşitli küme boyutlarına uyum sağlamasına izin verir.
  • Eğitimli TensorFlow modellerini Kubernetes'e dışa aktarmak için bir TensorFlow Sunum kabını destekler. Ek olarak, Kubeflow, makine öğrenimi modellerini Kubernetes'te dağıtmak için açık kaynaklı bir platform olan Seldon Core ile ve ML / DL modellerini ölçekli olarak dağıtırken GPU kullanımını en üst düzeye çıkarmak için NVIDIA Triton Çıkarım Sunucusu ile de entegre edilmiştir.
  • Kubeflow Pipelines teknolojisini içerir. Uçtan uca makine öğrenimi iş akışlarını dağıtmak ve yönetmek için kapsamlı bir çözümdür. Çalışmaları planlamak ve karşılaştırmak ve her çalıştırmada ayrıntılı raporları incelemek için kullanılan hızlı ve güvenilir deneylere izin verir.
  • Çok çerçeveli bir temel sunar. TensorFlow ile çok iyi çalışmaya ek olarak, yakında PyTorch, Apache MXNet, MPI, XGBoost, Chainer ve daha fazlasını destekleyecektir.

Hakkında daha güncel bilgiler "Kubeflow" doğrudan sizin üzerinizden alınabilir Resmi blog.

Kubernetes nedir?

Verilen, "Kubeflow" üzerinde çalışıyor "Kubernetes", kendinizinkine göre belirtmeye değer Resmi web sitesi ikincisi şudur:

"Kubernetes (K8s), kapsayıcıya alınmış uygulamaların dağıtımını, ölçeklendirilmesini ve yönetimini otomatikleştirmek için açık kaynaklı bir platformdur.başlıklı bir kılavuz yayınladı

Ve olması durumunda, derinleşmek dileğiyle "Kubernetes" Daha önceki ve en son ilgili yayınlarımızı aşağıdan inceleyebilirsiniz:

İlgili makale:
Kubernetes 1.19, bir yıllık destek, TLS 1.3, iyileştirmeler ve daha fazlasıyla geliyor
İlgili makale:
Docker vs Kubernetes: avantajları ve dezavantajları

Makale sonuçları için genel resim

Sonuç

Bunu umuyoruz "yararlı küçük gönderibaşlıklı bir kılavuz yayınladı üzerinde «Kubeflow»açık kaynak platformunun erişimini artırmak için yapılan, derin öğrenme alanında ilginç ve modern bir açık kaynak projesi «Kubernetes »; büyük ilgi ve faydalıdır. «Comunidad de Software Libre y Código Abierto» ve harika, devasa ve büyüyen ekosistemin yayılmasına büyük katkı sağlar. «GNU/Linux».

Şimdilik, bunu beğendiyseniz publicación, Durma paylaş başkalarıyla, favori web sitelerinizde, kanallarınızda, gruplarınızda veya sosyal ağların veya mesajlaşma sistemlerinde, tercihen ücretsiz, açık ve / veya daha güvenli  TelegramişaretMastodon veya başka biri Fediversetercihen.

Ve ana sayfamızı ziyaret etmeyi unutmayın: «FromLinux» daha fazla haber keşfetmek ve resmi kanalımıza katılmak için DesdeLinux'tan TelgrafDaha fazla bilgi için herhangi birini ziyaret edebilirsiniz. Çevrimiçi kitaplık olarak OpenLibra y jedit, bu konudaki dijital kitaplara (PDF'ler) erişmek ve bunları okumak için.


Makalenin içeriği şu ilkelerimize uygundur editoryal etik. Bir hata bildirmek için tıklayın burada.

İlk yorumu siz

Yorumunuzu bırakın

E-posta hesabınız yayınlanmayacak. Gerekli alanlar ile işaretlenmiştir *

*

*

  1. Verilerden sorumlu: Miguel Ángel Gatón
  2. Verilerin amacı: Kontrol SPAM, yorum yönetimi.
  3. Meşruiyet: Onayınız
  4. Verilerin iletilmesi: Veriler, yasal zorunluluk dışında üçüncü kişilere iletilmeyecektir.
  5. Veri depolama: Occentus Networks (AB) tarafından barındırılan veritabanı
  6. Haklar: Bilgilerinizi istediğiniz zaman sınırlayabilir, kurtarabilir ve silebilirsiniz.