Kubeflow
Kubernetes上のML基盤ツール群KubernetesでMLを展開・拡張
主な特徴
使える場面
- 研究機関が大規模なモデル学習を実行する
- インターネット企業が利用者向けのAIプラットフォームを構築する
- 金融機関がリスク評価と予測を動かす
使い方
- 1 kubeflow.orgを訪れて基礎を学ぶ
- 2 必要なサブプロジェクト、または全体の配布物を選ぶ
- 3 ドキュメントに従ってKubernetes環境へインストールし設定する
- 4 各ツールを使ってモデルの開発、学習、展開を行う
- 5 コミュニティに参加して支援や事例を共有する
こんな方におすすめ
メリット
- Kubernetes上でのML展開を分かりやすくする
- 多くのフレームワークとAutoMLに対応する
- 組み合わせ可能で移植性があり、拡張できる
- オープンソースで無料
制限事項
- 現在はオープンソースで無料だが、プロジェクトの条件は今後変わる可能性がある
- Kubernetesの知識と実際の設定作業が必要
- 構成要素が多く、習得までに時間がかかる
- インフラとその費用は利用者側の責任になる
Kubeflow とは
Kubeflowは、Kubernetes上でAIプラットフォームを動かすためのツール基盤です。サブプロジェクトは組み合わせ可能で、モジュール性、移植性、拡張性を備え、Kubernetes自身のエコシステムに沿ってAIライフサイクルの各段階を扱います。構成要素には、Sparkジョブを実行するSpark Operator、対話型開発用のNotebooks、PyTorch、MLX、HuggingFaceなどを対象とする分散学習Trainer、ハイパーパラメーター調整やニューラルアーキテクチャ探索を行うKatib、モデル管理のHub、移植性のあるPipelines、中央の入口となるDashboardがあります。Cloud Native Computing Foundationのプロジェクトで、現在はオープンソースかつ無料です。
できること
- SparkなどのワークロードをKubernetes上で自然に動かす
- 対話型ノートブックで開発とデバッグを進める
- PyTorchやHuggingFaceなどのフレームワークで大規模にモデルを学習する
- 移植性と拡張性のあるMLパイプラインを作り、モデルを一か所で管理する
こんな人に向いています
- Kubernetes上でAIツールを構築するソフトウェア開発者
- ノートブックと自動機械学習を使いたいデータサイエンティスト
- 社内AIプラットフォームを立ち上げる企業組織
- 移植性と拡張性のあるML基盤が必要なチーム
注意点
KubeflowにはKubernetesの知識と実際の設定作業が必要です。構成要素が多いため、必要な部品に慣れるまで時間がかかります。インフラは利用者側にあり、クラスタの費用と日々の運用も自分の責任です。設定を誤ると費用が無駄になることがあります。現在はオープンソースで無料ですが、プロジェクトの構成や条件は今後変わる可能性があるため、標準化する前に最新のリリースとガバナンスを確認してください。小さなチームには重すぎる場合があるので、まずは課題を解決するサブプロジェクトだけから始めるのが現実的です。
よくある質問
Kubeflowとは何ですか。
Kubernetes上でMLワークフローの展開を分かりやすくし、自動化するためのツール群です。
無料で使えますか。
はい。Cloud Native Computing Foundationのオープンソースプロジェクトで、現在は無料です。
誰に向いていますか。
ソフトウェア開発者、データサイエンティスト、Kubernetes上でAIプラットフォームを構築する企業に向いています。
無料で使える理由
公式ページの記載内容: 免费zh-継承済み
無料の上限、トライアル期間、機能は公式サイトが決定し、いつでも変更される場合があります。
製品プレビュー
一覧ページから保存したスクリーンショットです。プレビュー専用です。