pipelines

Kubeflow 管道服務概述

Kubeflow 是一個機器學習 (ML) 工具包，致力於讓 Kubernetes 上的 ML 工作流程部署變得簡單、可移植且可擴充。

Kubeflow 管道是使用 Kubeflow Pipelines SDK 建構的可重複使用的端對端 ML 工作流程。

Kubeflow pipelines 服務有以下目標：

• 端對端編排：啟用並簡化端對端機器學習管道的編排
• 輕鬆實驗：讓您輕鬆嘗試多種想法和技術，並管理您的各種試驗/實驗。
• 輕鬆重複使用：讓您能夠重複使用元件和管道，快速拼湊端到端解決方案，而無需每次都重新建置。

安裝

• Kubeflow Pipelines 可以作為 Kubeflow 平台的一部分進行安裝。或者，您可以將 Kubeflow Pipelines 部署為獨立服務。

• Docker 容器運作時已在 Kubernetes 1.20+ 上棄用。 Kubeflow Pipelines 從 Kubeflow Pipelines 1.8 開始預設切換為使用 Emissary Executor。 Emissary 執行器與容器執行時間無關，這表示您可以使用任何容器執行時間在 Kubernetes 叢集上執行 Kubeflow Pipelines。

文件

開始使用您的第一個管道並閱讀 Kubeflow Pipelines 概述中的更多資訊。

查看使用 Kubeflow Pipelines SDK 的各種方式。

有關 API 規範，請參閱 Kubeflow Pipelines API 文件。

使用 Python SDK 編寫管道時，請參閱 Python SDK 參考文件。

為 Kubeflow 管道做出貢獻

在開始為 Kubeflow Pipelines 做出貢獻之前，請先閱讀如何做出貢獻中的指南。若要了解如何從原始程式碼建置和部署 Kubeflow Pipelines，請閱讀開發人員指南。

Kubeflow Pipelines 社群會議

會議每隔週三上午 10 點至 11 點（太平洋標準時間）舉行 日曆 直接邀請或加入會議

會議記錄

Kubeflow Pipelines Slack 頻道

#kubeflow-管道

部落格文章

• Kubeflow Pipelines 入門（作者：Amy Unruh）
• 如何建立和部署 Kubeflow 機器學習管道（作者：Lak Lakshmanan）
  • 第 1 部分：如何建立和部署 Kubeflow 機器學習管道
  • 第 2 部分：如何將 Jupyter Notebook 部署為 Kubeflow ML 管道的元件
  • 第 3 部分：如何使用 Kubeflow ML 管道在機器學習（「MLOps」）中執行 CI/CD
• Tekton 針對 Kubeflow Pipelines 2.0 的優化（作者：Tommy Li）

致謝

Kubeflow 管道預設使用 Argo Workflows 來編排 Kubernetes 資源。 Argo 社群給予了我們很大的支持，我們非常感激。此外，還有 Tekton 後端可用。要存取它，請參閱 Kubeflow Pipelines with Tekton 儲存庫。