Проект Kubeflow был анонсирован еще в декабре 2017 года и с тех пор стал очень популярной платформой машинного обучения как среди специалистов по данным, так и среди инженеров MLOps. Если вы новичок в экосистеме и сообществе Kubeflow, вот краткое изложение.
Kubeflow предназначен для простого, переносимого и масштабируемого развертывания рабочих процессов машинного обучения (ML) в Kubernetes. В двух словах, Kubeflow — это набор инструментов машинного обучения для Kubernetes. Таким образом, везде, где вы используете Kubernetes, вы также должны иметь возможность запускать Kubeflow. Варианты использования Kubeflow включают:
- Развертывание и управление сложной системой машинного обучения в масштабе
- Эксперименты с обучением модели машинного обучения
- Сквозные гибридные и мультиоблачные рабочие нагрузки машинного обучения
- Настройка гиперпараметров модели во время обучения
- Непрерывная интеграция и развертывание (CI/CD) для машинного обучения
Хороший материал, да? Что ж, если вы немного покопаетесь в Kubeflow, вы быстро обнаружите, что это набор отдельных проектов, таких как Katib, Kale, KFServing, Pipelines и других… где каждый компонент обеспечивает необходимую функциональность в рабочий процесс. Итак, теперь вы можете спросить себя: Как проще всего начать работу с Kubeflow на моем ноутбуке с наименьшим количеством хлопот?
Kubeflow запускается и запускается всего за несколько минут с MiniKF
В Arrikto мы создали MiniKF, чтобы он был самым простым способом начать работу с Kubeflow. Посмотрите короткое видео ниже, чтобы увидеть установку MiniKF в действии.
В видео мы затрагиваем следующие темы:
- Системные Требования
- Поддерживаемые операционные системы
- Предпосылки
- Секреты и уловки
- Установка
Как видно из видео, начать работу с Kubeflow через MiniKF совсем несложно. Попробуйте сами.
Следующие шаги: получение помощи, семинаров и руководств
Теперь, когда вы работаете с Kubeflow, что дальше? В Arrikto мы рекомендуем несколько вещей.
Вопросы или нужна помощь?
Присоединяйтесь к обсуждению на канале #minikf в Slack, задавайте вопросы, запрашивайте функции и получайте поддержку для MiniKF. Чтобы присоединиться к рабочему пространству Kubeflow Slack, запросите приглашение.
Учебники по Kubeflow
В Arrikto мы создали несколько учебных пособий, которые охватывают множество общих задач, таких как создание конвейеров, настройка гиперпараметров, использование Kale и создание AutoML. Ознакомьтесь со всеми доступными руководствами на сайте Arrikto.
Забронируйте БЕСПЛАТНЫЙ мастер-класс по Kubeflow и MLOps
Этот БЕСПЛАТНЫЙ виртуальный семинар разработан специально для специалистов по данным, разработчиков машинного обучения, инженеров DevOps и операторов инфраструктуры. Семинар охватывает базовые и продвинутые темы, связанные с Kubeflow, MiniKF, Рок, Катиб и KFServing. На семинаре вы получите четкое представление о том, как эти компоненты могут работать вместе, чтобы помочь вам быстрее внедрить модели машинного обучения в производство. Нажмите, чтобы назначить семинар для вашей команды.
Об Аррикто
В Arrikto мы являемся активными членами сообщества Kubeflow, внесшими значительный вклад в последний релиз 1.3. Наши проекты/продукты включают в себя:
- MiniKF — это готовое к работе локальное развертывание Kubeflow, которое устанавливается за считанные минуты и понимает, как масштабировать вашу инфраструктуру.
- Enterprise Kubeflow (EKF) — это полная платформа для операций машинного обучения, которая упрощает, ускоряет и защищает жизненный цикл разработки модели машинного обучения с помощью Kubeflow.
- Rok — это решение для управления данными для Kubeflow. Встроенная интеграция Rok с Kubeflow упрощает операции и повышает производительность, обеспечивая при этом управление версиями данных, упаковку и безопасный обмен между командами и облачными границами.
- Kale — это инструмент рабочего процесса для Kubeflow, который без проблем управляет всеми компонентами Kubeflow.
Первоначально опубликовано на https://www.arrikto.com 12 июля 2021 г.