Llegamos a ustedes gracias a:



Noticias

Solución de aprendizaje automático para Kubernetes

[07/09/2018] Ahora en versión beta, el proyecto de código abierto Kubeflow tiene como objetivo ayudar a implementar un stack de aprendizaje automático en el sistema de orquestación de contenedores Kubernetes.

El proyecto de toolkit de aprendizaje automático Kubeflow está diseñado para ayudar a implementar cargas de trabajo de aprendizaje automático en múltiples nodos excepto donde separar y distribuir una carga de trabajo puede agregar complejidad y sobrecarga computacional. El propio Kubernetes tiene la tarea de facilitar la administración de las cargas de trabajo distribuidas, mientras que Kubeflow se centra en hacer que la ejecución de estas cargas de trabajo sea portátil, escalable y simple. Las secuencias de comandos y los archivos de configuración son parte del proyecto. Los usuarios pueden personalizar su configuración y ejecutar scripts para implementar contenedores en un ambiente elegido.

Para ayudar a las implementaciones de administración, Kubeflow funciona con la versión 0.11.0 o posterior del marco Ksonnet, para escribir e implementar configuraciones de Kubernetes en clústeres. Se requiere Kubernetes 1.8 o superior, en una configuración de clúster. Kubeflow también funciona con las siguientes tecnologías:

  • Modelos de aprendizaje automático TensorFlow, que se pueden entrenar para usar on premises o en la nube.
  • Notebooks Jupyter, para administrar los trabajos de entrenamiento de TensorFlow.
  • Seldon Core, una plataforma para implementar modelos de aprendizaje automático en Kubernetes.

Kubeflow amplía la API de Kubernetes al agregar definiciones personalizadas de recursos a un clúster, por lo que Kubernetes puede tratar las cargas de trabajo de aprendizaje automático como ciudadanos de primera clase. Descrito por el proyecto de código abierto como nativo de la nube, Kubeflow también se integra con los proyectos Ambassador for Ingress y Pachyderm para la gestión de las fuentes de ciencia de datos. Se tendrían planes para ampliar Kubeflow más allá de TensorFlow, y se considera tener respaldo para los marcos de aprendizaje profundo PyTorch y MXNet.

Puede descargar Kubeflow desde GitHub.