machine-learning - Kubeflow 是否有助于以分布式方式运行 ML
问题描述
我正在浏览 Kubeflow 文档几天,任何人都可以帮助我回答以下问题。
- Kubeflow 是否有助于以分布式方式运行任何 ML 算法?
- Kubeflow 和 Spark ML 有什么区别?
解决方案
Kubflow是一组利用 Kubernetes 发行版执行 ML 相关工作负载的服务。TFJob是 Kubeflow 提供的运行分布式 Tensorflow 作业的 Kubernetes 资源。
Kubeflow包括其他服务,例如Kubeflow Pipelines,它们可以编排任何类型的工作流,它主要是为 ML 工作负载设计的。
Spark ML是一个利用 Apache Spark 运行分布式机器学习算法的软件库,通常是经典的机器学习算法。Apache Spark 是一个分布式计算平台,可以部署在 Kubernetes 或 Hadoop 集群(或本地)中,它不运行分布式深度学习(tensorflow),或者至少没有设计用于。
推荐阅读
- laravel - 对普通用户也使用 Backpack 的 Admin CRUD
- firebase - 如何只打开被点击的模态
- gremlin - 如何将选定的属性从一个 gremlin 查询传递到另一个?
- python - python list 在用于循环时表现不同
- fastapi - 如何使用 FastAPI 处理 ImmutableMultiDict
- flutter - 包:get 未安装在 VS Code 上的此应用程序中
- c - 如何在 printQuad 函数中使用我编写的 printPoint 函数?
- python - python中的无限循环
- arrays - 如何编写一个可以返回两个整数的函数?
- windows - 安装 Flutter SDK 1.22.5-stable 在过程早期失败