<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
    <channel>
        <title>Kubeflow - 标签 - 容器 | AI | 大数据</title>
        <link>https://www.runzhliu.cn/tags/kubeflow/</link>
        <description>Kubeflow - 标签 - 容器 | AI | 大数据</description>
        <generator>Hugo -- gohugo.io</generator><language>zh-CN</language><managingEditor>runzhliu@163.com (runzhliu)</managingEditor>
            <webMaster>runzhliu@163.com (runzhliu)</webMaster><lastBuildDate>Wed, 01 Feb 2017 00:00:00 &#43;0000</lastBuildDate><atom:link href="https://www.runzhliu.cn/tags/kubeflow/" rel="self" type="application/rss+xml" /><item>
    <title>Kubeflow-Pipeline部署记录</title>
    <link>https://www.runzhliu.cn/kubeflow-pipeline%E9%83%A8%E7%BD%B2%E8%AE%B0%E5%BD%95/</link>
    <pubDate>Wed, 01 Feb 2017 00:00:00 &#43;0000</pubDate>
    <author>runzhliu</author>
    <guid>https://www.runzhliu.cn/kubeflow-pipeline%E9%83%A8%E7%BD%B2%E8%AE%B0%E5%BD%95/</guid>
    <description><![CDATA[概述 Kubeflow 集成了机器学习的很多组件，比如训练、调参、模型部署，也包括了像 Tensorflow, Pytorch 等框架的支持。另外就是其还提供了 Pipeline 组件，用于用户定义机器学习的流程，]]></description>
</item>
<item>
    <title>Kubeflow-Pipeline构建一个机器学习Workflow</title>
    <link>https://www.runzhliu.cn/kubeflow-pipeline%E6%9E%84%E5%BB%BA%E4%B8%80%E4%B8%AA%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0workflow/</link>
    <pubDate>Wed, 01 Feb 2017 00:00:00 &#43;0000</pubDate>
    <author>runzhliu</author>
    <guid>https://www.runzhliu.cn/kubeflow-pipeline%E6%9E%84%E5%BB%BA%E4%B8%80%E4%B8%AA%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0workflow/</guid>
    <description><![CDATA[1 Overview 前面文章介绍过如何通过 Pipeline 来构建工作流，因为 Kubeflow 主要是在机器学习的场景下使用的，那么本文就简单介绍一下怎么构建一个简单 ML 的工作流。 官网的给出]]></description>
</item>
<item>
    <title>Kubeflow-Pipeline构建自定义的Workflow</title>
    <link>https://www.runzhliu.cn/kubeflow-pipeline%E6%9E%84%E5%BB%BA%E8%87%AA%E5%AE%9A%E4%B9%89%E7%9A%84workflow/</link>
    <pubDate>Wed, 01 Feb 2017 00:00:00 &#43;0000</pubDate>
    <author>runzhliu</author>
    <guid>https://www.runzhliu.cn/kubeflow-pipeline%E6%9E%84%E5%BB%BA%E8%87%AA%E5%AE%9A%E4%B9%89%E7%9A%84workflow/</guid>
    <description><![CDATA[概述 要把 Kubeflow 的 Pipeline 用溜了，肯定是需要有自定义 Pipeline 的能力了，所以需要熟悉一下 Pipeline 里的一些概念。 如果要搞清楚 Pipeline，👇这些文档都必须要读一下，]]></description>
</item>
<item>
    <title>Kubeflow-Pipeline上传一个Pipeline</title>
    <link>https://www.runzhliu.cn/kubeflow-pipeline%E4%B8%8A%E4%BC%A0%E4%B8%80%E4%B8%AApipeline/</link>
    <pubDate>Wed, 01 Feb 2017 00:00:00 &#43;0000</pubDate>
    <author>runzhliu</author>
    <guid>https://www.runzhliu.cn/kubeflow-pipeline%E4%B8%8A%E4%BC%A0%E4%B8%80%E4%B8%AApipeline/</guid>
    <description><![CDATA[概述 Pipeline 提供了几个内置的 Pipeline&hellip;&hellip;有点绕口，但是真正使用的时候，但是默认提供的几个 Pipeline 都要基于 GCP Google 的云平台]]></description>
</item>
<item>
    <title>Kubeflow-v0.6.1部署采坑记录</title>
    <link>https://www.runzhliu.cn/kubeflow-v0.6.1%E9%83%A8%E7%BD%B2%E9%87%87%E5%9D%91%E8%AE%B0%E5%BD%95/</link>
    <pubDate>Wed, 01 Feb 2017 00:00:00 &#43;0000</pubDate>
    <author>runzhliu</author>
    <guid>https://www.runzhliu.cn/kubeflow-v0.6.1%E9%83%A8%E7%BD%B2%E9%87%87%E5%9D%91%E8%AE%B0%E5%BD%95/</guid>
    <description><![CDATA[概述 安装条件，可以在 Kubeflow requirements 找到，具体贴出来，因为版本不同，以及 K8S 一些自定义配置会对部署造成影响。 P.S.本文部署的是v0.6.0 部署 部署提供了]]></description>
</item>
<item>
    <title>Kubeflow部署采坑记录</title>
    <link>https://www.runzhliu.cn/kubeflow%E9%83%A8%E7%BD%B2%E9%87%87%E5%9D%91%E8%AE%B0%E5%BD%95/</link>
    <pubDate>Wed, 01 Feb 2017 00:00:00 &#43;0000</pubDate>
    <author>runzhliu</author>
    <guid>https://www.runzhliu.cn/kubeflow%E9%83%A8%E7%BD%B2%E9%87%87%E5%9D%91%E8%AE%B0%E5%BD%95/</guid>
    <description><![CDATA[概述 Kubeflow 是在 K8S 集群上跑机器学习任务的工具集，提供了 Tensorflow, Pytorch 等等机器/深度学习的计算框架，同时构建容器工作流 Argo 的集成，称为 Pipeline。关于其部]]></description>
</item>
</channel>
</rss>
