Kubeflow 介詔¶

Kubeflow 項目致力於使機器學習 (ML) 工作流在 Kubernetes 上的部署變得簡單、可移植和可擴展。目標不是重新創建其他服務，而是提供一種直接的方法，將用於 ML 的同類最佳開源系統部署到不同的基礎設施中。在任何運行 Kubernetes 的地方，您都應該能夠運行 Kubeflow。

開始使用 Kubeflow¶

閱讀架構概述以了解 Kubeflow 架構的介紹，並了解如何使用 Kubeflow 來管理您的 ML 工作流。

按照安裝 Kubeflow 設置您的環境並安裝 Kubeflow。

觀看以下視頻，其中介紹了 Kubeflow。

什麼是 Kubeflow？¶

Kubeflow 是 Kubernetes 的機器學習工具包。

要使用 Kubeflow，基本工作流程是：

下載部署並運行 Kubeflow。
自定義生成的配置文件。
運行指定的腳本以將您的容器部署到您的特定環境。Introduction to Kubeflow

您可以調整配置以選擇要用於 ML 工作流程每個階段的平台和服務：

數據準備
模型訓練，
推論服務
服務管理

您可以選擇在本地、地端資料中心或雲環境中部署 Kubernetes 與 Kubeflow。

Kubeflow 使命¶

Kubeflow 的目標是通過讓 Kubernetes 做它擅長的事情，盡可能簡單地擴展機器學習 (ML) 模型並將它們部署到生產環境中：

在不同的基礎設施上進行簡單、可重複、便攜的部署（例如，在筆記本電腦上進行試驗，然後遷移到本地集群或雲端）
部署和管理鬆散耦合的微服務
按需來擴展資源

由於 ML 開發團隊使用多種不同工具，其中一個關鍵目標是根據用戶需求（在合理範圍內）自定義堆棧，讓系統處理“無聊的事情”。雖然我們從一組狹窄的技術開始，但我們正在與許多不同的項目合作以包括額外的工具。

最終，我們希望有一組簡單的清單，為 ML 開發團隊提供一個易於使用的 ML 堆棧，無論 Kubernetes 已經運行在哪裡，並且可以根據它部署到的集群進行配置調整與客製。