Kubeflow - Das Machine Learning Toolkit für Kubernetes
Kubeflow macht künstliche Intelligenz und maschinelles Lernen einfach, portabel und skalierbar. Es ist ein Ökosystem von Kubernetes-basierten Komponenten für jede Phase im AI/ML-Lebenszyklus mit Unterstützung für erstklassige Open-Source-Tools und -Frameworks.
Kubeflow Komponenten:
- Pipelines: Kubeflow Pipelines (KFP) ist eine Plattform zum Erstellen und Bereitstellen portabler und skalierbarer maschineller Lernworkflows mit Kubernetes.
- Notebooks: Kubeflow Notebooks ermöglicht es, webbasierte Entwicklungsumgebungen in Ihrem Kubernetes-Cluster zu betreiben, indem sie in Pods ausgeführt werden.
- Dashboard: Das Kubeflow Central Dashboard ist unser Zentrum, das die authentifizierten Web-Schnittstellen von Kubeflow und anderen Ökosystemkomponenten verbindet.
- AutoML: Katib ist ein Kubernetes-natives Projekt für automatisiertes maschinelles Lernen (AutoML) mit Unterstützung für Hyperparameter-Tuning, frühzeitiges Stoppen und neuronale Architektur-Suche.
- Model Training: Der Kubeflow Training Operator ist eine einheitliche Schnittstelle für das Modelltraining und -feinabstimmung auf Kubernetes. Es führt skalierbare und verteilte Trainingsaufträge für beliebte Frameworks wie PyTorch, TensorFlow, MPI, MXNet, PaddlePaddle und XGBoost aus.
- Model Serving: KServe (früher KFServing) löst die Produktion von Modellservern auf Kubernetes. Es bietet hochabstrahierte und leistungsfähige Schnittstellen für Frameworks wie TensorFlow, XGBoost, ScikitLearn, PyTorch und ONNX.
Kubeflow ist eine offene und einladende Gemeinschaft von Softwareentwicklern, Datenwissenschaftlern und Organisationen. Schauen Sie sich die wöchentlichen Community Calls an, beteiligen Sie sich an Diskussionen in der Mailingliste oder chatten Sie mit anderen im Slack Workspace!
Kubeflow ist ein Projekt der Cloud Native Computing Foundation. © 2024 Die Autoren von Kubeflow. Die Dokumentation wird unter CC BY 4.0 verteilt. Die Linux Foundation® (TLF) hat eingetragene Marken und verwendet Marken. Für eine Liste der TLF-Marken sehen Sie Markennutzung. Das R-Logo wird unter CC BY-SA 4.0 verwendet. Website Datenschutzrichtlinie
