Machine learning : Kubeflow atteint un premier stade de maturité
Première version majeure pour le projet Kubeflow, destiné à déployer des applications d’apprentissage automatique sur Kubernetes.
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
