ghcr.io/deploykf/kubeflow-pipelines/frontend:2.0.5-deploykf.0

Kubeflow Pipelines 服务概述

Kubeflow 是一个机器学习（ML）工具包，致力于简化 ML 工作流在 Kubernetes 上的部署，使其具备可移植性和可扩展性。

Kubeflow Pipelines 是使用 Kubeflow Pipelines SDK 构建的可重用端到端 ML 工作流。

Kubeflow Pipelines 服务的目标如下：

• 端到端编排：支持并简化端到端机器学习管道的编排
• 轻松实验：便于您尝试多种想法和技术，并管理各种试验/实验
• 轻松复用：允许您复用组件和管道以快速构建端到端解决方案，无需每次重新构建

安装

• 从 Kubeflow Pipelines 安装选项 中描述的选择安装 Kubeflow Pipelines。

• Docker 容器运行时在 Kubernetes 1.20+ 上已弃用。从 Kubeflow Pipelines 1.8 开始，默认已切换为使用 Emissary Executor。Emissary Executor 与容器运行时无关，这意味着您可以在使用任何 容器运行时 的 Kubernetes 集群上运行 Kubeflow Pipelines。

文档

通过 Kubeflow Pipelines 概述 开始您的第一个管道并阅读更多信息。

查看 使用 Kubeflow Pipelines SDK 的各种方式。

有关 API 规范，请参见 Kubeflow Pipelines API 文档。

使用 Python SDK 编写管道时，请参考 Python SDK 参考文档。

有关我们如何管理版本和功能阶段（如 Alpha、Beta 和 Stable）的更多信息，请参阅 版本控制策略 和 功能阶段 文档。

为 Kubeflow Pipelines 做贡献

在开始为 Kubeflow Pipelines 做贡献之前，请阅读 如何贡献 中的指南。要了解如何从源代码构建和部署 Kubeflow Pipelines，请阅读 开发者指南。

Kubeflow Pipelines 社区会议

会议每隔一周的周三上午 10-11 点（太平洋标准时间，PST）举行
日历邀请 或 直接加入会议

会议记录

Kubeflow Pipelines Slack 频道

#kubeflow-pipelines

博客文章

• Kubeflow Pipelines 入门（作者：Amy Unruh）
• 如何创建和部署 Kubeflow 机器学习管道（作者：Lak Lakshmanan）
• 第 1 部分：如何创建和部署 Kubeflow 机器学习管道
• 第 2 部分：如何将 Jupyter 笔记本部署为 Kubeflow ML 管道的组件
• 第 3 部分：如何使用 Kubeflow ML 管道执行机器学习中的 CI/CD（“MLOps”）
• Kubeflow Pipelines 2.0 的 Tekton 优化（作者：Tommy Li）

致谢

Kubeflow Pipelines 默认在底层使用 https://github.com/argoproj/argo-workflows 来编排 Kubernetes 资源。Argo 社区提供了大力支持，我们对此表示衷心感谢。此外，还提供了 Tekton 后端。要使用它，请参考 https://github.com/kubeflow/kfp-tekton%E3%80%82