Kubeflow: Набір інструментів машинного навчання для Kubernetes

Kubeflow: Набір інструментів машинного навчання для Kubernetes

Kubeflow: Набір інструментів машинного навчання для Kubernetes

Наша сьогоднішня публікація стосуватиметься галузі Автоматичне навчання (машинне навчання / ML). Зокрема, про програму з відкритим кодом, яка називається "Kubeflow", який у свою чергу працює на Кубернетес. Що, як багато хто з вас уже знає, є системою з відкритим кодом для автоматизації розгортання, масштабування та обробки контейнерних програм.

"Kubeflow" незважаючи на те, що в даний час доступний під стабільна версія 1.2, як це з'являється на офіційному офіційному веб-сайті та GitHub, в офіційному блозі, це вже прокоментовано наступна версія 1.3. Ось чому сьогодні ми заглибимось у цю програму.

Когнітивний інструментарій: програмне забезпечення для глибокого навчання з відкритим кодом

Когнітивний інструментарій: програмне забезпечення для глибокого навчання з відкритим кодом

І як завжди, для тих, хто завжди прагне заглибитися в прочитану тему, ми залишимо такі посилання на пов’язані попередні дописи, щоб ви могли їх вивчити після закінчення цієї публікації:

"Когнітивний інструментарій Microsoft (раніше його називали CNTK) - це інструментарій глибокого навчання (Machine Learning) de «Código Abierto» з величезним потенціалом. Це також безкоштовно, просто у використанні та комерційне якість, що дозволяє створювати алгоритми глибокого навчання, здатні навчатись на рівні, близькому до рівня людського мозку." Когнітивний інструментарій: програмне забезпечення для глибокого навчання з відкритим кодом

Пов'язана стаття:
Когнітивний інструментарій: програмне забезпечення для глибокого навчання з відкритим кодом

Пов'язана стаття:
.NET та ML.NET: платформи з відкритим кодом Microsoft
Пов'язана стаття:
TensorFlow і Pytorch: платформи AI з відкритим кодом

Kubeflow: проект відкритого машинного навчання

Kubeflow: проект відкритого машинного навчання

Що таке Kubeflow?

Відповідно до вашого офіційний сайт, цей відкритий проект визначається таким чином:

"Це проект, присвячений спрощенню розгортання робочого циклу машинного навчання (ML) на Kubernetes, простому, портативному та масштабованому. Його мета не відтворити інші служби, а забезпечити простий спосіб розгортання найкращих систем з відкритим кодом для ML на різних інфраструктурах. Отже, де б не працював Kubernetes, Kubeflow може працювати."

Тоді як, на вашому сайті за адресою GitHub, коротко додайте наступне:

"Kubeflow - це рідна платформа в хмарі для операцій машинного навчання: конвеєри, навчання та розгортання."

З цього можна легко зробити висновок, що головна мета Росії "Kubeflow" це:

"Максимально спростіть масштабування та розгортання моделей машинного навчання (ML), дозволяючи Kubernetes робити те, що він вміє: просте, повторюване, портативне розгортання в різноманітній інфраструктурі, розгортання та управління мікропослугами, вільно пов’язане та масштабоване на вимогу."

Характеристика?

Серед чудових характеристик "Kubeflow" Ми можемо згадати наступне:

  • Включає послуги зі створення та керування інтерактивними блокнотами Юпітера. Дозволяючи налаштувати розгортання тих самих та інших комп’ютерних ресурсів, щоб адаптувати їх до потреб науки про дані. Таким чином, полегшити експерименти з локальними робочими процесами, а потім розгорніть їх у хмарі, коли це необхідно.
  • Забезпечує власний оператор TensorFlow для навчання. За допомогою яких можна тренувати модель ML. Зокрема, оператор роботи Kubeflow може обробляти розподілені навчальні завдання TensorFlow. Дозвіл влади налаштувати навчальний контролер на використання центральних процесорів або графічних процесорів і, таким чином, адаптуватись до різних розмірів кластера.
  • Підтримує сервісний контейнер TensorFlow для експорту навчених моделей TensorFlow до Kubernetes. Крім того, Kubeflow також інтегрований з Seldon Core, платформою з відкритим кодом для розгортання моделей машинного навчання на Kubernetes та сервером NVIDIA Triton Inference Server для максимального використання графічного процесора при масштабному розгортанні моделей ML / DL.
  • Включає технологію Kubeflow Pipelines. Це комплексне рішення для розгортання та управління наскрізними робочими процесами ML. Забезпечуючи швидкі та надійні експерименти, які використовуються для планування та порівняння пробіжок та перегляду детальних звітів про кожен пробіг.
  • Пропонує багатофункціональний фундамент. Оскільки, окрім того, що він дуже добре працює з TensorFlow, він незабаром матиме підтримку PyTorch, Apache MXNet, MPI, XGBoost, Chainer тощо.

Детальніша інформація про "Kubeflow" можна отримати безпосередньо на вашому Офіційний блог.

Що таке Kubernetes?

Враховуючи, "Kubeflow" працює на "Кубернети", варто вказати відповідно до власного офіційний сайт що останнє наступне:

"Kubernetes (K8s) - це платформа з відкритим кодом для автоматизації розгортання, масштабування та управління контейнерними програмами."

А у випадку, бажають поглибити "Кубернети" Ви можете ознайомитися з нашими попередніми та останніми відповідними публікаціями нижче:

Пов'язана стаття:
Kubernetes 1.19 надходить із підтримкою на рік, TLS 1.3, вдосконаленнями та іншим
Пов'язана стаття:
Докер проти Кубернетеса: переваги та недоліки

Загальне зображення для висновків статті

Висновок

Ми сподіваємось на це "корисний маленький пост" на «Kubeflow», цікавий та сучасний проект з відкритим кодом у галузі глибокого навчання, створений для збільшення охоплення платформи з відкритим кодом «Кубернети »; представляє великий інтерес та корисність для цілого «Comunidad de Software Libre y Código Abierto» і великий внесок у розповсюдження чудової, гігантської та зростаючої екосистеми програм «GNU/Linux».

Поки що, якщо вам це сподобалось publicación, Не зупиняйся поділитися ним з іншими, на ваших улюблених веб-сайтах, каналах, групах або спільнотах соціальних мереж або систем обміну повідомленнями, бажано безкоштовно, відкрито та / або більш безпечно, як TelegramСигналМастодонт або інший з Fediverse, бажано.

І не забудьте відвідати нашу домашню сторінку за адресою «FromLinux» вивчати більше новин, а також приєднуватися до нашого офіційного каналу Телеграма від DesdeLinuxХоча для отримання додаткової інформації ви можете відвідати будь-яку Інтернет-бібліотека як OpenLibra y JedIT, для доступу та читання цифрових книг (PDF) на цю тему чи інших.


Зміст статті відповідає нашим принципам редакційна етика. Щоб повідомити про помилку, натисніть тут.

Будьте першим, щоб коментувати

Залиште свій коментар

Ваша електронна адреса не буде опублікований. Обов'язкові для заповнення поля позначені *

*

*

  1. Відповідальний за дані: Мігель Анхель Гатон
  2. Призначення даних: Контроль спаму, управління коментарями.
  3. Легітимація: Ваша згода
  4. Передача даних: Дані не передаватимуться третім особам, за винятком юридичних зобов’язань.
  5. Зберігання даних: База даних, розміщена в мережі Occentus Networks (ЄС)
  6. Права: Ви можете будь-коли обмежити, відновити та видалити свою інформацію.