课程大纲

介绍

  • Kubeflow on Azure 本地部署与其他公有云提供商

Kubeflow 功能和体系结构概述

部署过程概述

激活 Azure 帐户

准备和启动启用了 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

将代码和框架打包到 Docker 映像中

使用 AKS 设置 Kubernetes 群集

暂存训练和验证数据

配置 Kubeflow 流水线

启动训练作业。

在运行时可视化训练作业

作业完成后进行清理

故障 排除

总结和结论

要求

  • 对机器学习概念的理解。
  • 了解云计算概念。
  • 对容器 (Docker) 和编排 (Kubernetes) 有大致的了解。
  • 一些 Python 编程经验是有帮助的。
  • 具有使用命令行的经验。

观众

  • 数据科学工程师。
  • DevOps 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 基础架构工程师。
  • 希望将机器学习功能与其应用程序自动集成和部署的软件工程师。
  28 小时
 

人数


开始

完结


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

客户评论 (3)

相关课程

课程分类