pipelines

Kubeflow 管道服务概述

Kubeflow 是一个机器学习 (ML) 工具包，致力于使 Kubernetes 上的 ML 工作流部署变得简单、可移植且可扩展。

Kubeflow 管道是使用 Kubeflow Pipelines SDK 构建的可重用的端到端 ML 工作流程。

Kubeflow pipelines 服务有以下目标：

• 端到端编排：启用并简化端到端机器学习管道的编排
• 轻松实验：让您轻松尝试多种想法和技术，并管理您的各种试验/实验。
• 轻松重用：使您能够重用组件和管道，快速拼凑端到端解决方案，而无需每次都重新构建。

安装

• Kubeflow Pipelines 可以作为 Kubeflow 平台的一部分进行安装。或者，您可以将 Kubeflow Pipelines 部署为独立服务。

• Docker 容器运行时已在 Kubernetes 1.20+ 上弃用。 Kubeflow Pipelines 从 Kubeflow Pipelines 1.8 开始默认切换为使用 Emissary Executor。 Emissary 执行器与容器运行时无关，这意味着您可以使用任何容器运行时在 Kubernetes 集群上运行 Kubeflow Pipelines。

文档

开始使用您的第一个管道并阅读 Kubeflow Pipelines 概述中的更多信息。

查看使用 Kubeflow Pipelines SDK 的各种方式。

有关 API 规范，请参阅 Kubeflow Pipelines API 文档。

使用 Python SDK 编写管道时，请参阅 Python SDK 参考文档。

为 Kubeflow 管道做出贡献

在开始为 Kubeflow Pipelines 做出贡献之前，请阅读如何做出贡献中的指南。要了解如何从源代码构建和部署 Kubeflow Pipelines，请阅读开发人员指南。

Kubeflow Pipelines 社区会议

会议每隔周三上午 10 点至 11 点（太平洋标准时间）举行 日历 直接邀请或加入会议

会议记录

Kubeflow Pipelines Slack 通道

#kubeflow-管道

博客文章

• Kubeflow Pipelines 入门（作者：Amy Unruh）
• 如何创建和部署 Kubeflow 机器学习管道（作者：Lak Lakshmanan）
  • 第 1 部分：如何创建和部署 Kubeflow 机器学习管道
  • 第 2 部分：如何将 Jupyter Notebook 部署为 Kubeflow ML 管道的组件
  • 第 3 部分：如何使用 Kubeflow ML 管道在机器学习（“MLOps”）中执行 CI/CD
• Tekton 针对 Kubeflow Pipelines 2.0 的优化（作者：Tommy Li）

致谢

Kubeflow 管道默认使用 Argo Workflows 来编排 Kubernetes 资源。 Argo 社区给予了我们很大的支持，我们非常感激。此外，还有 Tekton 后端可用。要访问它，请参阅 Kubeflow Pipelines with Tekton 存储库。