Kubeflow

Plataforma de aprendizado de máquina baseada em Kubernetes

O Kubeflow automatiza o trabalho repetitivo no pipeline geral de processos de desenvolvimento, aprendizado e implantação do modelo de aprendizado de máquina. MLOps1) os ambientes com base na plataforma de aprendizado de máquina de código aberto são fornecidos, oferecendo um gerenciamento integrado de dados e modelos de aprendizado, além de dados operacionais.
1) MLOps : uma disciplina de engenharia de ML que visa unificar o desenvolvimento de aprendizado de máquina (Dev) e a operação do sistema de aprendizado de máquina (Ops)

Visão geral

  • Ambientes de MLOps nativos da nuvem

    O Kubeflow oferece ambientes de desenvolvimento de modelo de ML otimizados para nuvem, capacitando um vínculo com base em Kubernetes com diversos softwares de código aberto.

  • Utilização Conveniente De Big Data

    Os ambientes padronizados suportam uma gama de frameworks de aprendizagem automática desde Tensorflow e Pytorch até Scikit-learn e Keras. Os pipelines para todo o processo de desenvolvimento, aprendizagem e implantação de modelos de aprendizagem automática são automatizados para garantir uma configuração/criação simples, bem como a reutilização dos modelos.

  • Funcionalidades Complementares

    Programadores de tarefas (FIFO, Bin-packing e Gang-based), monitoramento de recursos da GPU, registro do motor Kubeflow e mais recursos adicionais estão disponíveis para o uso eficiente dos recursos da GPU.

01

04

Arquitetura do serviço

  1. User
  2. Console
  3. Kubernetes Engine : CPU Worker Nodes, GPU Worker Nodes, Persistent Volume
  1. Data Scientist, MLOps Engineer
  2. Kubeflow : Pipeline, Meta data, Model Serving, Notebook, Hyper Parameter Tuning ...
  3. Jupyter Notebook → Model Development → Model Training → Hyper Para.Tuning → Model Serving → Inference Application.

Principais recursos

  • Criação de serviço Kubeflow

    - Solicitação: configuração automática de implantação e serviço para os clusters Kubernetes solicitados
    - Visualização: lista de ofertas, versão/status do recurso do Kubeflow e informações de status em execução/interrompido
    - Exclusão: exclua os módulos Kubeflow criados

  • Características do serviço Kubeflow

    - Características básicas
      · Notebook Jupyter (desenvolvimento, aprendizagem e inferência de modelos)
      · Automação do fluo de trabalho (baseado em pipelines de aprendizagem automática)
    - Características adicionais da plataforma Samsung Cloud
      · Gerir a agenda de tarefas da GPU e a fila de tarefas
      · Realizar a monitorização dos recursos da GPU e a fracção da GPU
      · Fornecer a monitorização/ registo do motor de Kubeflow e execução/ monitorização de tarefas de aprendizagem distribuída
      · Construir e gerir imagens de framework ML (TensorFlow, PyTorch, etc.) e imagens ML
      · Gerir/ analisar serviços de inferência e gerir experimentos modelo/nós de aprendizagem
      · Trabalhar com a autenticação do usuário da plataforma Samsung Cloud e gerenciar usuários / projetos / anúncios

Preço

    • Oferta
    • Pacote de software SCP Kubeflow
    • Cobrança
    • Cobrança por hora do dimensionamento e uso do Kubeflow implantado
      ※ Samsung Cloud Platform para configuração do ambiente do usuário cobrado à parte
Vamos conversar

Caso esteja procurando uma solução comercial específica ou apenas precise tirar algumas dúvidas, estamos aqui para ajudar.

Share KakaoTalk Facebook Twitter Linkedin Close Share Box