kubeflow/kubeflow

Machine Learning Toolkit for Kubernetes

解決的問題

Kubeflow 提供了一套工具基礎，用於在 Kubernetes 上建構 AI 平台，簡化整個 AI 生命週期的管理。它解決了在不同環境中部署、擴展和管理機器學習工作流程的複雜性。

工作原理

它作為一個可組合、模組化的 Kubernetes 原生專案系統運作。使用者可選擇部署整個 Kubeflow 社群發行版，或獨立使用各個子專案以滿足特定需求。

適用對象

專為需要可擴展且可擴充工具來支援其 AI 應用案例的 AI 實務者、平台管理員和開發團隊設計。

主要亮點

  • 可組合、模組化且可移植的架構
  • 得到 Kubernetes 原生專案生態系統的支援
  • 支援 AI 生命週期的每個階段
  • 透過子專案或完整社群發行版實現彈性部署選項

相關

  • 專案
    kubeflow/trainer

    一個原生於 Kubernetes 的分散式 AI 平台，用於在 PyTorch、JAX、XGBoost 等多種框架上進行可擴展的 LLM 微調與訓練。

  • 專案
    kubeflow/pipelines

    A platform for building and deploying reusable, scalable end-to-end machine learning workflows on Kubernetes.

  • 專案
    kubeflow/katib

    一個 Kubernetes 原生的 AutoML 專案，為任何機器學習框架提供自動超參數調校、神經網路架構搜尋與早期停止功能。

  • 專案
    kubeflow/community-distribution

    一個由社群驅動的 Kubeflow 平台分發版本，提供在各種 Kubernetes 叢集上安裝完整機器學習生命週期管理系統的清單。

  • 專案
    labring/sealos

    基於 Kubernetes 構建的 AI 原生雲作業系統，統一了 AI 應用與 SaaS 平台的開發、部署與擴展。