Kubeflow 0.1 发布，基于 Kubernetes 的机器学习工具库

内容简介：Google 发布了 Kubeflow 开源工具 0.1 版本，该工具旨在将机器学习带入 Kubernetes 容器的世界。该项目背后的想法是让数据科学家充分利用在 Kubernetes 集群上运行机器学习任务的优势。Kubeflow 可以让机器学习团...

Google 发布了 Kubeflow 开源 工具 0.1 版本，该工具旨在将机器学习带入 Kubernetes 容器的世界。该项目背后的想法是让数据科学家充分利用在 Kubernetes 集群上运行机器学习任务的优势。Kubeflow 可以让机器学习团队将现有任务轻松放到集群中运行，而无需作出太多改变。

随着 0.1 版本的发布，该项目将开始推进，并将通过博客公布里程碑，将稳定性提高到一个新的水平，同时还会增加大量社区一直呼吁的新功能。其中包括为 Jupyter Hub 提供用于机器学习任务的协作和交互式训练以、Tensorflow 训练及托管支持等。

Kubeflow 0.1 简介

Kubeflow 0.1 提供了一套最精简的软件开发包，用于开发，训练和部署 ML。只需几个命令，就可以获得：

• Jupyter Hub：用于机器学习任务的协作和交互式训练

• TensorFlow 训练控制器：支持原生的分布式训练

• TensorFlow 服务：用于服务托管

• Argo：工作流

• SeldonCore：用于复杂推断及非 TF 模型

• Ambassador：反向代理

• Wiring：可以使 Kubeflow 在任意 Kubernetes 上运行

下面是入门示例：

# 为 kubeflow 开发环境创建 namespace
NAMESPACE=kubeflow
kubectl create namespace ${NAMESPACE}
VERSION=v0.1.3
# #初始化 ksonnet 应用，设置 namespace 为其默认环境变量
APP_NAME=my-kubeflow
ks init ${APP_NAME}
cd ${APP_NAME}
ks env set default --namespace ${NAMESPACE}
# #安装 Kubeflow 组件
ks registry add kubeflow github.com/kubeflow/kubeflow/tree/${VERSION}/kubeflow
ks pkg install kubeflow/core@${VERSION}
ks pkg install kubeflow/tf-serving@${VERSION}
ks pkg install kubeflow/tf-job@${VERSION}
# #为核心组件创建模板
ks generate kubeflow-core kubeflow-core
# #部署 Kubeflow
ks apply default -c kubeflow-core

至此，JupyterHub 已部署，我们现在可以使用 Jupyter 开始开发模型。一旦有了 Python 代码来构建模型，我们就可以构建一个 Docker 镜像并使用 TFJob 运算符通过运行如下命令来训练模型：

ks generate tf-job my-tf-job --name=my-tf-job --image=gcr.io/my/image:latest
ks apply default -c my-tf-job
# #下面部署模型
ks generate tf-serving ${MODEL_COMPONENT} --name=${MODEL_NAME}
ks param set ${MODEL_COMPONENT} modelPath ${MODEL_PATH}
ks apply ${ENV} -c ${MODEL_COMPONENT}

只需要几个命令，数据科学家和软件工程师就可以创建更复杂的 ML 解决方案，并专注于他们最擅长的事情：解决核心业务问题。

来自：Docker微信公众号  
原文：https://kubernetes.io/blog/2018/05/04/announcing-kubeflow-0.1/

【声明】文章转载自：开源中国社区 [http://www.oschina.net]

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网

查看所有标签

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。