Kubernetes发布机器学习工具包KubeFlow

Kubernetes宣布创建了一个名为Kubeflow的新项目，旨在解决部署复杂工作负载的挑战。Kubeflow使得在Kubernetes上使用机器学习堆栈更加容易。同时由于Kubeflow依靠Kubernetes运行，所以任何可以运行Kubernetes的地方可以运行Kubeflow，而且更便于Kubernetes用户设置。

Kubeflow项目的首席工程师David Aronchick和Jeremy Lewi表示Kubernetes已经迅速成为在任何地方部署复杂工作负载的混合解决方案，虽然从stateless services开始，客户已经开始将复杂的工作负载转移到平台上，但是Kubernetes提供了更加丰富的API，可靠性和性能。其中增长最快的用例之一就是使用Kubernetes作为机器学习的部署平台。“

Kubeflow存储库包含JupyterHub，可用于创建和管理交互式Jupyter notebooks。它还有一个TensorFlow custom resource，可以使用CPU或GPU，也可以通过更改设置来调整集群大小。除此之外，该项目还有一个TensorFlow Serving container。

大多数Kubeflow用户都会使用多种环境，这时ksonnet就变得非常重要了，它让在多个环境之间移动工作负载变得更简单。

目前，Kubernetes也正在积极为Kubeflow项目筹备社区，并且获得了CaiCloud，Red Hat＆OpenShift，Canonical，Weaveworks和Container Solutions的帮助。

CoreOS 副总裁Reza Shafii表示，Kubeflow项目是一个必要的进步，它使得在Kubernetes上设置和生产机器学习工作负载变得非常容易，我们预计这将大大扩展更多企业接受该平台的机会。同时我们也期待与项目合作，将Kubeflow与企业Kubernetes平台更加紧密集成。”