Kubeflow：適用於Kubernetes的機器學習工具包
我們今天的帖子將涉及以下領域 自動學習（機器學習/機器學習）。 特別是關於一個稱為 “ Kubeflow”，反過來， Kubernetes。 眾所周知，這是一個開源系統，用於自動化容器化應用程序的部署，擴展和處理。
“ Kubeflow” 儘管目前在 穩定版本1.2，就像它在其官方官方網站和GitHub中在其官方博客中所顯示的那樣，它已經在 下一版本1.3。 因此，今天我們將深入研究此應用程序。
認知工具包：開源深度學習軟件
與往常一樣，對於那些始終渴望閱讀所讀主題的人，我們將在這些帖子完成後留下指向以前的相關帖子的以下鏈接，供您探索：
“微軟的認知工具包（以前稱為CNTK）是一種深度學習工具包
(Machine Learning)de«Código Abierto»具有巨大的潛力。 它也是免費，易於使用的商業級質量，使您可以創建深度學習算法，能夠以接近人腦的水平進行學習。“ 認知工具包：開源深度學習軟件
Kubeflow：一個開放式機器學習項目
什麼是Kubeflow？
根據你的 官方網站，此打開的項目定義如下：
“這是一個致力於使Kubernetes上的機器學習（ML）工作流部署簡單，可移植且可擴展的項目。 它的目標不是重新創建其他服務，而是提供一種簡單的方法來在各種基礎架構中為ML部署最佳的開源系統。 因此，在任何運行Kubernetes的地方，Kubeflow都可以運行。“
而在您的網站上， GitHub上，簡要添加以下內容：
“Kubeflow是雲中用於機器學習操作的本地平台：管道，培訓和部署。“
由此可以很容易地得出以下結論： “ Kubeflow” 是：
“使機器學習（ML）模型的擴展和部署盡可能簡單，讓Kubernetes盡其所能：跨各種基礎架構輕鬆，可重複，可移植的部署，微服務部署和管理鬆散耦合併按需擴展。“
特徵？
其中的顯著特徵 “ Kubeflow” 我們可以提到以下內容：
- 包括用於創建和管理交互式Jupiter筆記本的服務。 允許自定義相同和其他計算機資源的部署，以使其適應數據科學的需求。 因此，可以輕鬆地嘗試本地工作流程，然後在必要時將其部署到雲中。
- 提供定制的TensorFlow培訓作業操作員。 可以用來訓練ML模型。 特別是，Kubeflow作業操作員可以處理分佈式TensorFlow培訓作業。 允許配置培訓控制器使用CPU或GPU，從而適應各種群集大小。
- 支持TensorFlow服務容器，用於將經過訓練的TensorFlow模型導出到Kubernetes。 此外，Kubeflow還與用於在Kubernetes上部署機器學習模型的開源平台Seldon Core和NVIDIA Triton Inference Server集成在一起，以在大規模部署ML / DL模型時最大程度地利用GPU。
- 包括Kubeflow管道技術。 這是用於部署和管理端到端ML工作流的全面解決方案。 允許進行快速可靠的實驗，用於計劃和比較運行，並查看每次運行的詳細報告。
- 提供多框架基礎。 由於除了可以很好地與TensorFlow配合使用外，它還將很快支持PyTorch，Apache MXNet，MPI，XGBoost，Chainer等。
有關的最新信息 “ Kubeflow” 可以直接在您的 官方博客.
什麼是Kubernetes？
鑑於， “ Kubeflow” 在...上工作 “ Kubernetes”，值得根據自己的具體情況 官方網站 後者如下：
“Kubernetes（K8s）是一個開源平台，用於自動化容器化應用程序的部署，擴展和管理。“
並希望加深 “ Kubernetes” 您可以在下面瀏覽我們以前和最新的相關出版物：
結論
我們希望這個 “有用的小貼子“ 上 «Kubeflow»，是深度學習領域一個有趣且現代的開源項目，旨在擴大開源平台的覆蓋範圍 «Kubernetes »; 在整個過程中都引起極大的興趣和實用性 «Comunidad de Software Libre y Código Abierto» 並極大地促進了應用程序的精彩，龐大和不斷發展的生態系統的傳播 «GNU/Linux».
現在，如果你喜歡這個 publicación， 不要停 分享 與他人一起，在您喜歡的網站，頻道，社交網絡或消息傳遞系統的組或社區上，最好是免費的，開放的和/或更安全的 Telegram, Signal, 乳齒象 或另一個 獸人，最好。
並記住訪問我們的主頁，網址為 «DesdeLinux» 探索更多新聞，以及加入我們的官方頻道 電報 DesdeLinux. 同時，有關更多信息，您可以訪問 在線圖書館 如 OpenLibra y 傑迪, 訪問和閱讀有關此主題或其他主題的數字書籍（PDF）。