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。
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)。