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 nouds 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

La rédaction vous recommande

Services IA : les fabricants de PC voient plus loin que Copilot+

Gestion du travail collaboratif : quelle place pour les solutions autonomes ?

Platform engineering : l'expérience de Believe pour le développement Kubernetes