Kubeflow on Azure

• 了解机器学习概念。
• 了解云计算概念。
• 对容器(Docker)和编排(Kubernetes)的一般理解。
• 一些Python编程经验是有帮助的。
• 具有使用命令行工作的经验。

观众

• 数据科学工程师。
• DevOps 名对机器学习模型部署感兴趣的工程师。
• 对机器学习模型部署感兴趣的基础设施工程师。
• 软件工程师希望自动将机器学习功能与其应用程序集成并部署。

Kubeflow 是一个在 Kubernetes 上运行 Machine Learning 工作负载的框架。TensorFlow 是最流行的机器学习库之一。Kubernetes 是一个用于管理容器化应用程序的编排平台。

这种由讲师指导的现场培训（在线或现场）针对的是希望将 Machine Learning 工作负载部署到 Azure 云的工程师。

培训结束后，学员将能够：

• 在 Azure 上安装并配置 Kubernetes、Kubeflow 及其他所需软件。
• 使用 Azure Kubernetes 服务（AKS）简化在 Azure 上初始化 Kubernetes 集群的工作。
• 创建并部署 Kubernetes 管道，用于自动化和管理生产中的 ML 模型。
• 在多个GPU和并行运行的机器上训练和部署TensorFlowML模型。
• 利用其他 AWS 托管服务来扩展 ML 应用程序。

课程形式

• 互动讲座和讨论。
• 大量的练习和实践。
• 在实时实验室环境中进行实际实施。

课程定制选项

• 如需针对本课程进行定制培训，请联系我们安排。

介绍

• Kubeflow 在 Azure 与本地部署相比，与其他公共云提供商相比

Kubeflow 功能和架构概述

部署过程概述

激活 Azure 账户

准备并启动启用了 GPU 的虚拟机

设置用户角色和权限

准备构建环境

选择TensorFlow模型和数据集

将代码和框架打包成 Docker 镜像

使用 AKS 设置 Kubernetes 集群

准备训练和验证数据

配置Kubeflow管道

启动训练工作。

在运行时可视化训练作业

作业完成后进行清理

故障排除

总结