Kubeflow是什么?

Kubeflow仪表板

中央仪表板与多用户隔离为数据科学家和工程师提供了一个平台，利用k8开发、部署和监控生产中的模型。

木星，VSCode和RStudio

在Kubeflow v1.3之后，用户可以旋转木星笔记本服务器也可以直接从仪表板上分配正确的存储、cpu和gpu的RStudio或VSCode。

ML库和框架

Kubeflow与您选择的数据科学库和框架兼容。TensorFlow，PyTorch，MXNet，XGBoost，MPI分布式训练，scikit-learn和更多。

Kubeflow管道

通过将步骤容器化为管道组件并定义输入、输出、参数和生成的工件，将ML工作流自动化为管道。了解更多;

实验、运行和重复运行

实验中,一组Kubeflow管道“运行”和重复运行，允许您为您的模型找到正确的参数，比较和复制结果。

超参数优化/ AutoML

Kubeflow包括Katibhyperparameter调优。Katib运行具有不同超参数(如学习率、隐藏层的#)的管道来优化最佳ML模型。

KFServing为推理服务

KFServing是一个多框架模型部署工具，具有无服务器推理，金丝雀滚出，预处理和后处理和可解释性。了解更多;

你需要的积分

Kubeflow集成了MLFlow对于模型注册、登台和生产中的监控，盛宴对于特性存储功能，和厚皮类动物数据版本控制。

更多…

保存，比较和共享生成的工件-模型，图像，图。为您的模型提供列表的工具,包括塞尔登的核心．

将人工智能解决方案推向市场可能涉及多个步骤:数据预处理、培训、模型部署或大规模推理……任务列表很复杂，将它们保存在一组笔记本或脚本中很难维护、共享和协作，从而导致低效的流程。

在这项研究中,机器学习系统中的隐藏技术债务，谷歌描述了将人工智能系统投入生产所需的工作和代码只有20%是ML代码的开发，而其余的是操作。因此，在ML工作流程中标准化操作可以大大减少AI解决方案的上市时间和成本。