#61 · 主分类: MLOps与评测
pipelines
用于Kubeflow的机器学习流水线
项目最后更新:08/27/26
GitHub Stars
4.2K
Forks数量
2.1K
贡献者数量
576
许可证
Apache-2.0
收录理由
Kubeflow Pipelines 是 Kubeflow 平台中负责机器学习工作流编排的核心服务。它允许你用 Python SDK 把可复用的组件拼装成端到端的流水线,编译后交给集群执行,自动处理步骤依赖、失败重试、中间结果缓存以及运行历史和产物的追踪。数据科学家可以像写普通代码一样快速试验各种想法,而不必关心底层的调度逻辑;平台工程师则能在一个地方管理版本和后端资源。它既随完整 Kubeflow 平台一起安装,也能独立部署。从 1.8 版本起,默认使用 Emissary 执行器,对容器运行时没有特殊要求,因此可以较为轻松地融入已有的 Kubernetes 环境。对于已经深度使用 Kubernetes 的团队来说,这是一个成熟的选择,能够把零散的实验逐步引导到共享、可控的例行生产任务上。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI,用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型(ACL 2024)
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台:LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具