Оксана Аверкина

Портативность и масштабируемость: вышла Kubeflow 0.1 для фреймворка Kubernetes

Kubeflow, по мнению разработчиков, способен облегчить пользователям работу с системами машинного обучения на кластерах Kubernetes. Проект использует возможности JupiterHub и TensorFlow.

988

Google анонсировала Kubeflow 0.1 — систему с открытым исходным кодом для автоматизации развертывания, масштабирования и управления контейнеризованными приложениями. С момента первого анонса в декабре 2017 года проект на GitHub пополнился более чем на 700 коммитов в 15 репозиториях.

Для чего нужен Kubeflow?

Kubeflow позволяет командам, занимающимся машинным обучением, присоединять свои проекты к кластеру, упрощая настройку и управление системой в среде Kubernetes.

Основными компонентами, включенными в версию 0.1 являются:

  • JupyterHub, предназначенный для создания и управления интерактивной средой Jupyter Notebook;
  • TensorFlow Custom Resource (CRD), который может быть настроен для работы с центральными или графическими процессорами и подстроен под размер кластера;
  • контейнер для TensorFlow Serving — гибкой системы для развертки моделей машинного обучения, которая упрощает развертывание новых алгоритмов, сохраняя одинаковую архитектуру сервера и API.

Также в Kubeflow 0.1 включены движок для рабочего процесса Argo, фреймворк SeldonCore и API Ambassador для обратного прокси.

Руководитель Kubeflow Дэвид Арончик (David Aronchick) подчеркивает, что пользователи не будут ограничены функциональностью только TensorFlow и JupyterHub. По его словам, проект только начал развиваться и постепенно в нем появятся новые инструменты.

Напомним, что в марте 2018 года Google запустила бесплатный курс по машинному обучению, который основан на системе TensorFlow.

Следите за новыми постами по любимым темам

Подпишитесь на интересующие вас теги, чтобы следить за новыми постами и быть в курсе событий.

Машинное обучение
Google
Kubernetes
988
Что думаете?
0 комментариев
Сначала интересные