Kubeflow: Bộ công cụ học máy dành cho Kubernetes

Kubeflow: Bộ công cụ học máy dành cho Kubernetes

Kubeflow: Bộ công cụ học máy dành cho Kubernetes

Bài đăng hôm nay của chúng tôi sẽ đề cập đến lĩnh vực Học tự động (Máy học / ML). Cụ thể là về một ứng dụng mã nguồn mở được gọi là "Kubeflow", do đó, hoạt động trên Kubernetes. Như nhiều người trong số các bạn đã biết, là một hệ thống mã nguồn mở để tự động hóa việc triển khai, mở rộng và xử lý các ứng dụng được đóng gói.

"Kubeflow" mặc dù hiện đang có sẵn dưới phiên bản ổn định 1.2, vì nó xuất hiện trong trang web chính thức chính thức của nó và GitHub, trong Blog chính thức của nó, nó đã được nhận xét về phiên bản tiếp theo 1.3. Đó là lý do tại sao hôm nay, chúng ta sẽ đi sâu tìm hiểu về ứng dụng này.

Bộ công cụ nhận thức: Học sâu mã nguồn mở SW

Bộ công cụ nhận thức: Học sâu mã nguồn mở SW

Và như thường lệ, đối với những người luôn muốn đi sâu vào chủ đề đã đọc, chúng tôi sẽ để lại các liên kết sau đến các bài viết trước có liên quan để bạn khám phá sau khi bài viết này kết thúc:

"Bộ công cụ nhận thức của Microsoft (trước đây gọi là CNTK) là một bộ công cụ học sâu (Machine Learning) de «Código Abierto» với tiềm năng to lớn. Nó cũng miễn phí, dễ sử dụng và chất lượng cấp thương mại cho phép bạn tạo các thuật toán học sâu có khả năng học ở cấp độ gần với cấp độ của não người." Bộ công cụ nhận thức: Học sâu mã nguồn mở SW

Bài viết liên quan:
Bộ công cụ nhận thức: Học sâu mã nguồn mở SW

Bài viết liên quan:
.NET và ML.NET: Nền tảng nguồn mở của Microsoft
Bài viết liên quan:
TensorFlow và Pytorch: Nền tảng AI nguồn mở

Kubeflow: Một dự án học máy mở

Kubeflow: Một dự án học máy mở

Kubeflow là gì?

Theo bạn trang web chính thức, dự án mở này được định nghĩa như sau:

"Đó là một dự án dành riêng cho việc triển khai quy trình làm việc của máy học (ML) trên Kubernetes đơn giản, di động và có thể mở rộng. Mục tiêu của nó không phải là tạo lại các dịch vụ khác, mà là cung cấp một cách đơn giản để triển khai các hệ thống mã nguồn mở tốt nhất cho ML trên các cơ sở hạ tầng khác nhau. Vì vậy, bất cứ nơi nào Kubernetes chạy, Kubeflow có thể chạy."

Trong khi, trên trang web của bạn tại GitHub, hãy thêm ngắn gọn những điều sau:

"Kubeflow là nền tảng gốc trên đám mây cho các hoạt động học máy: đường ống, đào tạo và triển khai."

Từ đó, có thể dễ dàng suy ra rằng, mục tiêu chính của "Kubeflow" là:

"Làm cho việc mở rộng và triển khai mô hình học máy (ML) dễ dàng nhất có thể, cho phép Kubernetes thực hiện những gì nó biết cách làm: Triển khai dễ dàng, có thể lặp lại, di động trên cơ sở hạ tầng đa dạng, triển khai và quản lý microservices được kết hợp chặt chẽ và mở rộng quy mô theo yêu cầu."

Nét đặc trưng?

Trong số các đặc điểm đáng chú ý của "Kubeflow" chúng ta có thể đề cập đến những điều sau:

  • Bao gồm các dịch vụ tạo và quản lý sổ ghi chép Jupiter tương tác. Cho phép tùy chỉnh việc triển khai các tài nguyên máy tính giống nhau và khác để điều chỉnh chúng theo nhu cầu của khoa học dữ liệu. Do đó, giúp bạn dễ dàng thử nghiệm các quy trình làm việc cục bộ và sau đó triển khai chúng trên đám mây khi cần thiết.
  • Cung cấp một nhà điều hành công việc đào tạo TensorFlow tùy chỉnh. Cái nào có thể được sử dụng để đào tạo một mô hình ML. Đặc biệt, người điều hành công việc Kubeflow có thể xử lý các công việc đào tạo TensorFlow phân tán. Cho phép cấp nguồn để định cấu hình bộ điều khiển đào tạo sử dụng CPU hoặc GPU và do đó thích ứng với các kích thước cụm khác nhau.
  • Hỗ trợ một vùng chứa TensorFlow Phục vụ để xuất các mô hình TensorFlow được đào tạo sang Kubernetes. Ngoài ra, Kubeflow cũng được tích hợp với Seldon Core, một nền tảng mã nguồn mở để triển khai các mô hình học máy trên Kubernetes và Máy chủ suy luận NVIDIA Triton để tối đa hóa việc sử dụng GPU khi triển khai các mô hình ML / DL trên quy mô lớn.
  • Bao gồm công nghệ Kubeflow Pipelines. Đó là một giải pháp toàn diện để triển khai và quản lý quy trình làm việc ML end-to-end. Cho phép thử nghiệm nhanh chóng và đáng tin cậy, được sử dụng để lập lịch và so sánh các lần chạy cũng như xem xét các báo cáo chi tiết về mỗi lần chạy.
  • Cung cấp nền tảng đa khung. Vì ngoài hoạt động rất tốt với TensorFlow, nó sẽ sớm hỗ trợ PyTorch, Apache MXNet, MPI, XGBoost, Chainer, v.v.

Thông tin cập nhật khác về "Kubeflow" có thể được lấy trực tiếp trên của bạn Blog chính thức.

Kubernetes là gì?

Với, "Kubeflow" hoạt động trên "Kubernetes", nó có giá trị xác định theo ý kiến ​​của riêng bạn trang web chính thức rằng cái sau là như sau:

"Kubernetes (K8s) là một nền tảng mã nguồn mở để tự động hóa việc triển khai, mở rộng quy mô và quản lý các ứng dụng được đóng gói."

Và trong trường hợp của, muốn làm sâu sắc hơn "Kubernetes" Bạn có thể khám phá các ấn phẩm liên quan trước đó và mới nhất của chúng tôi bên dưới:

Bài viết liên quan:
Kubernetes 1.19 ra mắt với một năm hỗ trợ, TLS 1.3, các cải tiến và hơn thế nữa
Bài viết liên quan:
Docker vs Kubernetes: ưu điểm và nhược điểm

Hình ảnh chung cho kết luận bài viết

Kết luận

Chúng tôi hy vọng điều này "bài viết nhỏ hữu ích" trên «Kubeflow», một dự án mã nguồn mở thú vị và hiện đại trong lĩnh vực học sâu, được thực hiện để tăng phạm vi tiếp cận của nền tảng mã nguồn mở «Kubernetes »; rất quan tâm và tiện ích, cho toàn bộ «Comunidad de Software Libre y Código Abierto» và đóng góp to lớn vào việc truyền bá hệ sinh thái tuyệt vời, khổng lồ và đang phát triển của các ứng dụng «GNU/Linux».

Hiện tại, nếu bạn thích điều này publicación, Đừng dừng lại chia sẻ nó với những người khác, trên các trang web, kênh, nhóm hoặc cộng đồng mạng xã hội hoặc hệ thống nhắn tin yêu thích của bạn, tốt nhất là miễn phí, mở và / hoặc an toàn hơn như TelegramTín hiệuLoại voi lớn đa tuyệt chủng hoặc cái khác trong số Fediverse, tốt nhất là.

Và nhớ ghé thăm trang chủ của chúng tôi tại «FromLinux» để khám phá thêm tin tức, cũng như tham gia kênh chính thức của chúng tôi về Telegram từ FromLinuxTrong khi, để biết thêm thông tin, bạn có thể truy cập bất kỳ Thư viện trực tuyến như OpenLibra y JedIT, để truy cập và đọc sách kỹ thuật số (PDF) về chủ đề này hoặc chủ đề khác.


Nội dung bài viết tuân thủ các nguyên tắc của chúng tôi về đạo đức biên tập. Để báo lỗi, hãy nhấp vào đây.

Hãy là người đầu tiên nhận xét

Để lại bình luận của bạn

địa chỉ email của bạn sẽ không được công bố. Các trường bắt buộc được đánh dấu bằng *

*

*

  1. Chịu trách nhiệm về dữ liệu: Miguel Ángel Gatón
  2. Mục đích của dữ liệu: Kiểm soát SPAM, quản lý bình luận.
  3. Hợp pháp: Sự đồng ý của bạn
  4. Truyền thông dữ liệu: Dữ liệu sẽ không được thông báo cho các bên thứ ba trừ khi có nghĩa vụ pháp lý.
  5. Lưu trữ dữ liệu: Cơ sở dữ liệu do Occentus Networks (EU) lưu trữ
  6. Quyền: Bất cứ lúc nào bạn có thể giới hạn, khôi phục và xóa thông tin của mình.