pipelines

Descripción general del servicio de canalizaciones de Kubeflow

Kubeflow es un conjunto de herramientas de aprendizaje automático (ML) dedicado a hacer que las implementaciones de flujos de trabajo de ML en Kubernetes sean simples, portátiles y escalables.

Las canalizaciones de Kubeflow son flujos de trabajo de aprendizaje automático de un extremo a otro reutilizables creados con el SDK de Kubeflow Pipelines.

El servicio de oleoductos de Kubeflow tiene los siguientes objetivos:

• Orquestación de un extremo a otro: habilitación y simplificación de la orquestación de canales de aprendizaje automático de un extremo a otro
• Experimentación sencilla: le facilita probar numerosas ideas y técnicas y gestionar sus diversas pruebas/experimentos.
• Fácil reutilización: le permite reutilizar componentes y tuberías para improvisar rápidamente soluciones integrales, sin tener que reconstruirlas cada vez.

Instalación

• Kubeflow Pipelines se puede instalar como parte de la plataforma Kubeflow. Alternativamente, puede implementar Kubeflow Pipelines como un servicio independiente.

• El tiempo de ejecución del contenedor Docker ha quedado obsoleto en Kubernetes 1.20+. Kubeflow Pipelines ha pasado a utilizar Emissary Executor de forma predeterminada desde Kubeflow Pipelines 1.8. El ejecutor de emisario es independiente del tiempo de ejecución del contenedor, lo que significa que puede ejecutar Kubeflow Pipelines en el clúster de Kubernetes con cualquier tiempo de ejecución del contenedor.

Documentación

Comience con su primera canalización y lea más información en la descripción general de Kubeflow Pipelines.

Vea las diversas formas en que puede utilizar el SDK de Kubeflow Pipelines.

Consulte el documento API de Kubeflow Pipelines para conocer las especificaciones de API.

Consulte los documentos de referencia del SDK de Python cuando escriba canalizaciones utilizando el SDK de Python.

Contribuyendo a las canalizaciones de Kubeflow

Antes de comenzar a contribuir con Kubeflow Pipelines, lea las pautas en Cómo contribuir. Para aprender cómo crear e implementar Kubeflow Pipelines desde el código fuente, lea la guía para desarrolladores.

Reunión comunitaria de Kubeflow Pipelines

La reunión se llevará a cabo cada dos miércoles de 10 a 11 a. m. (PST) Calendario Invitar o unirse a la reunión directamente

notas de la reunión

Canal flojo de tuberías de Kubeflow

# tuberías-kubeflow

Publicaciones de blog

• Primeros pasos con Kubeflow Pipelines (por Amy Unruh)
• Cómo crear e implementar una canalización de aprendizaje automático de Kubeflow (por Lak Lakshmanan)
  • Parte 1: Cómo crear e implementar una canalización de aprendizaje automático de Kubeflow
  • Parte 2: Cómo implementar portátiles Jupyter como componentes de una canalización de aprendizaje automático de Kubeflow
  • Parte 3: Cómo llevar a cabo CI/CD en aprendizaje automático (“MLOps”) utilizando canalizaciones de aprendizaje automático de Kubeflow
• Optimizaciones de Tekton para Kubeflow Pipelines 2.0 (por Tommy Li)

Expresiones de gratitud

Las canalizaciones de Kubeflow utilizan Argo Workflows de forma predeterminada para orquestar los recursos de Kubernetes. La comunidad de Argo ha sido un gran apoyo y estamos muy agradecidos. Además, también está disponible el backend de Tekton. Para acceder a él, consulte Kubeflow Pipelines con el repositorio de Tekton.