當前的IT界有兩大高速列車，一是以“Kubernetes”為標桿技術的云計算，二是以“Tensorflow和PyTorch”等為代表的機器學習。如何使二者結合起來，成為近期IT界討論的熱點。Kubeflow的橫空出世，有效的連接起了Kubernetes 和各個機器學習的框架，提供了機器學習在Kubernetes上的端到端的解決方案。本書講解Kubeflow以及其社區(qū)的技術棧，包括機器學習的流程編排技術Pipelines、并行模型訓練技術TFJob和PyTorchJob等、超參調優(yōu)技術Katib、服務發(fā)布KFServing，機器學習的Python SDK Fairing等，涉及到機器學習的各個方面。本書結合理論和實戰(zhàn)，詳細闡述了Kubeflow社區(qū)的新技術和新方案。很后，展望了Kubeflow的前景和AI Hub的發(fā)展趨勢。何金池，不錯軟件工程師，負責IBM Data & AI系統(tǒng)研發(fā)，Kubeflow社區(qū)Maintainer。__eol__李峰，不錯軟件工程師，負責IBM 認知系統(tǒng)研發(fā)，Kubeflow社區(qū)Maintainer。__eol__劉光亞，IBM Cloud Pak for Multicloud Management的STSM（Senior Technical Staff Member），資深架構師，負責IBM多云管理的研發(fā)與AI集成。__eol__劉侯剛，不錯軟件工程師 負責IBM私有云研發(fā)，Kubeflow社區(qū)Maintainer，Katib聯(lián)合創(chuàng)始人。__eol__
|
