Kubeflow：适用于Kubernetes的机器学习工具包
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。
认知工具包：开源深度学习软件
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）。