Machine learning : Kubeflow atteint un premier stade de maturité

Un peu plus de deux ans après son passage en open source, le projet Kubeflow franchit un nouveau cap.

Le framework, destiné à déployer des applications d’apprentissage automatique sur Kubernetes, vient de passer en version 1.0.

Sept composantes sont désormais considérées comme stables :

• La console d’administration (illustrée ci-dessous)

• Le gestionnaire de notebooks Jupyter et sa web app
• Les opérateurs TensorFlow et PyTorch
• Le CLI kfctl pour la configuration des déploiements
• Le gestionnaire de profils utilisateurs

Parmi les éléments qui devraient bientôt passer en version stable figurent :

• Les pipelines
• Le suivi des métadonnées que produisent les workflows
• Katib pour le réglage automatisé des hyperparamètres des modèles de machine learning (nombre de couches d’un réseau neuronal, nombre de nœuds par couche…)
• KFServing pour gérer l’apprentissage en serverless
• Des opérateurs pour des frameworks comme XGBoost

Le projet Kuberflow compte plusieurs centaines de contributeurs. Une trentaine d’organisations sont dans la boucle.

Il sera question de Kubeflow à l’occasion des conférences KubeCon et CloudNativeCon Europe… si elles sont maintenues. C’est pour l’instant le cas, du 30 mars au 2 avril à Amsterdam.

Illustration principale © Kubeflow