Kubeflow将Kubernetes带入机器学习工作负载

开源的Kubeflow项目目前处于测试阶段，旨在帮助在Kubernetes容器编排系统上部署机器学习堆栈。

Kubeflow机器学习工具包项目旨在帮助在多个节点上部署机器学习工作负载，但在其中分解和分配工作负载会增加计算开销和复杂性。 Kubernetes本身的任务是使其更易于管理分布式工作负载，而Kubeflow的重点是使这些工作负载的运行具有可移植性，可伸缩性和简单性。 脚本和配置文件是项目的一部分。 用户可以自定义配置并运行脚本以将容器部署到选定的环境。

[您准备好入侵容器了吗？ 了解如何使用Kubernetes入门 。 •到底什么是Kubernetes ？ | 通过InfoWorld的云计算新闻通讯了解云计算的最新发展。 ]

为了帮助管理部署，Kubeflow与Ksonnet框架的版本0.11.0或更高版本配合使用，以将Kubernetes配置写入和部署到集群。 在集群配置中，需要Kubernetes 1.8或更高版本。 Kubeflow还可以使用以下技术：

• TensorFlow机器学习模型，可以对其进行培训以在本地或云中使用。
• Jupyter笔记本，用于管理TensorFlow培训工作。
• Seldon Core，一个在Kubernetes上部署机器学习模型的平台。

Kubeflow通过向集群添加自定义资源定义来扩展Kubernetes API，因此Kubernetes可以将机器学习工作负载视为一流的公民。 被开源项目描述为云原生，Kubeflow还与Ingress大使和Pachyderm项目集成在一起，以管理数据科学管道。 计划要求将Kubeflow扩展到TensorFlow之外，并考虑为PyTorch和MXNet深度学习框架提供支持。

在哪里下载Kubeflow

您可以从GitHub 下载Kubeflow 。

From: https://www.infoworld.com/article/3301549/kubeflow-brings-kubernetes-to-machine-learning-workloads.html