pipelines
v2.10.1
Kubeflow est une boîte à outils d'apprentissage automatique (ML) dédiée à rendre les déploiements de flux de travail ML sur Kubernetes simples, portables et évolutifs.
Les pipelines Kubeflow sont des workflows ML de bout en bout réutilisables créés à l'aide du SDK Kubeflow Pipelines.
Le service de pipelines Kubeflow a les objectifs suivants :
Kubeflow Pipelines peut être installé dans le cadre de la plateforme Kubeflow. Vous pouvez également déployer Kubeflow Pipelines en tant que service autonome.
Le runtime du conteneur Docker est obsolète sur Kubernetes 1.20+. Kubeflow Pipelines est passé à l'utilisation d'Emissary Executor par défaut à partir de Kubeflow Pipelines 1.8. L'exécuteur Emissary est indépendant du runtime de Container, ce qui signifie que vous pouvez exécuter Kubeflow Pipelines sur le cluster Kubernetes avec n'importe quel runtime de Container.
Commencez avec votre premier pipeline et lisez plus d'informations dans la présentation de Kubeflow Pipelines.
Découvrez les différentes manières d'utiliser le SDK Kubeflow Pipelines.
Consultez la documentation de l'API Kubeflow Pipelines pour connaître les spécifications de l'API.
Consultez les documents de référence du SDK Python lors de l'écriture de pipelines à l'aide du SDK Python.
Avant de commencer à contribuer à Kubeflow Pipelines, lisez les directives dans Comment contribuer. Pour savoir comment créer et déployer Kubeflow Pipelines à partir du code source, lisez le guide du développeur.
La réunion a lieu un mercredi sur deux de 10h à 11h (PST) Calendrier Invitez ou rejoignez directement la réunion
Notes de réunion
#kubeflow-pipelines
Les pipelines Kubeflow utilisent Argo Workflows par défaut pour orchestrer les ressources Kubernetes. La communauté Argo nous a beaucoup soutenu et nous lui en sommes très reconnaissants. De plus, le backend Tekton est également disponible. Pour y accéder, veuillez vous référer au référentiel Kubeflow Pipelines avec Tekton.
