Open-Source-Plattform Kubeflow erreicht Version 1.0

Das Open-Source-Projekt Kubeflow wird von mehr als 30 Organisationen vorangetrieben, darunger finden sich so nahmhafte Unternehmden, wie Amazon Web Services, Bloomberg, Uber, Shopify, GitHub, Intel, Alibaba Cloud, Dell, Shell und Volvo. Ziel von Kubeflow ist es laut der Projektleiter um Jeremy Lewi, Josh Bottum und Elvira Dzhuraeva, Cloud-Assets (öffentliche oder on-premise) einfach für maschinelles Lernen Arbeitslasten nutzbar zu machen. Sie sagen: "Mit Kubeflow müssen Datenwissenschaftler keine neuen Konzepte oder Plattformen erlernen, um ihre Anwendungen einzusetzen, oder sich mit Eingängen, Netzwerkbescheinigungen und so weiter befassen. Kubeflow 1.0 verfügt über einen Kernsatz stabiler Komponenten, die für Entwicklung, Bau, Training und effiziente Bereitstellung von Modellen auf Kubernetes benötigt werden. Neben einem zentralen Dashboard-UI und dem Jupyter-Notebook-Controller von Kubeflow wird Kubeflow 1.0 mit den Webanwendungen Tensorflow Operator (TFJob), PyTorch Operator (für verteilte Schulungen), kfctl (für Bereitstellung und Upgrades) sowie einem Profil-Controller und einem Multi-User-Management-UI ausgeliefert.

Mit Kubeflow 1.0 können Entwickler die Programmier-Notebook-Plattform Jupyter und Kubeflow-Tools wie das Python-Softwareentwicklungskit von Kubeflow verwenden, um Modelle zu entwickeln, Container zu bauen und Kubernetes-Ressourcen zu erstellen, um diese Modelle zu trainieren. Geschulte Modelle können optional über die KFServing-Ressource von Kubeflow gelenkt werden, um einen Inferenzserver für eine Reihe von Hardware zu erstellen, zu implementieren und automatisch zu skalieren, wobei neue KFServing-Erklärungs- und Nutzlastprotokollierungsfunktionen in Alpha angezapft werden können.

Weitere Informationen zu Kubeflow finden Sie in diesem Beitrag von Thea Lamkin sowie auf der Website zum Projekt www.kubeflow.org. Die GitHub-Seite zum Projekt finden Sie hier.