今天我们的帖子将涉及以下领域 自动学习(机器学习/机器学习)。 特别是关于一个称为 “ Kubeflow”,反过来, Kubernetes。 众所周知,这是一个开源系统,用于自动化容器化应用程序的部署,扩展和处理。
“ Kubeflow” 尽管目前在 稳定版本1.2,就像它在其官方官方网站和GitHub中在其官方博客中所显示的那样,它已经在以下内容上发表了评论: 下一版本1.3。 因此,今天我们将深入研究此应用程序。
与往常一样,对于那些始终渴望阅读所读主题的人,一旦本文完成,我们将保留以下指向先前相关文章的链接,供您探索:
“微软的认知工具包(以前称为CNTK)是一种深度学习工具包
(Machine Learning)
de«Código Abierto»
具有巨大的潜力。 它也是免费,易于使用的商业级质量,使您可以创建深度学习算法,能够以接近人脑的水平进行学习。= 认知工具包:开源深度学习软件
Kubeflow:开放式机器学习项目
什么是Kubeflow?
根据他的说法 官方网站,此打开的项目定义如下:
“这是一个致力于使Kubernetes上的机器学习(ML)工作流部署简单,可移植且可扩展的项目。 它的目的不是重新创建其他服务,而是提供一种简便的方法来在各种基础架构中为ML部署最佳的开源系统。 因此,在任何运行Kubernetes的地方,Kubeflow都可以运行。=
而在您的网站上, GitHub上,简要添加以下内容:
“Kubeflow是云中用于机器学习操作的本地平台:管道,培训和部署。=
由此可以很容易地得出以下结论: “ Kubeflow” 是:
“通过让Kubernetes做它所做的事情,使机器学习(ML)模型的扩展和部署尽可能容易:跨各种基础架构的简单,可重复和可移植的部署,微服务部署和管理松散耦合并按需扩展。=
特征?
其中的显着特征 “ Kubeflow” 我们可以提到以下几点:
- 包括用于创建和管理交互式Jupiter笔记本的服务。 允许自定义相同和其他计算机资源的部署,以使其适应数据科学的需求。 因此,可以轻松地尝试本地工作流程,然后在必要时将其部署到云中。
- 提供定制的TensorFlow培训作业操作员。 可以用来训练ML模型。 特别是,Kubeflow作业操作员可以处理分布式TensorFlow培训作业。 允许配置培训控制器使用CPU或GPU,从而适应各种群集大小。
- 支持TensorFlow服务容器,用于将经过训练的TensorFlow模型导出到Kubernetes。 此外,Kubeflow还与用于在Kubernetes上部署机器学习模型的开源平台Seldon Core以及NVIDIA Triton Inference Server集成在一起,以在大规模部署ML / DL模型时最大程度地利用GPU。
- 包括Kubeflow管道技术。 这是用于部署和管理端到端ML工作流的全面解决方案。 允许进行快速可靠的实验,用于计划和比较运行,并查看每次运行的详细报告。
- 提供多框架基础。 由于除了可以很好地与TensorFlow配合使用外,它还将很快支持PyTorch,Apache MXNet,MPI,XGBoost,Chainer等。
有关的最新信息 “ Kubeflow” 可以直接在您的 官方博客.
什么是Kubernetes?
鉴于, “ Kubeflow” 在...上工作 “ Kubernetes”,值得根据自己的具体情况 官方网站 后者如下:
“Kubernetes(K8s)是一个开源平台,用于自动化容器化应用程序的部署,扩展和管理。=
并希望加深 “ Kubernetes” 您可以在下面浏览我们以前和最新的相关出版物:
结论
我们希望这个 “有用的小贴子= 上 «Kubeflow»
,是深度学习领域一个有趣且现代的开源项目,旨在扩大开源平台的覆盖范围 «Kubernetes »; 在整个过程中都引起极大的兴趣和实用性 «Comunidad de Software Libre y Código Abierto»
并极大地促进了应用程序的精彩,庞大和不断发展的生态系统的传播 «GNU/Linux»
.
现在,如果你喜欢这个 publicación
, 不要停 分享 与其他人一起,在您喜欢的网站,频道,社交网络或消息传递系统的组或社区上使用,优选免费,开放和/或更加安全 Telegram, 信号, 乳齿象 或另一个 兽人,最好。
并记住访问我们的主页,网址为 «DesdeLinux» 探索更多新闻,以及加入我们的官方频道 电报 DesdeLinux. 同时,有关更多信息,您可以访问 在线图书馆 如 OpenLibra y 杰迪, 访问和阅读有关此主题或其他主题的数字书籍(PDF)。