「Kubeflow 1.0」正式版リリース。あらゆるKubernetes上にJupyter notebookなど機械学習の開発、トレーニング、デプロイ機能を構築

Kubeflow開発チームは、Kubeflow 1.0の正式リリースを発表しました。

Today, Kubeflow 1.0 has been released. Check out this deep-dive to learn the core set of applications included in the open-source release, and the advantages of using it on Anthos for the enterprise → https://t.co/XV0HPvsWX9 pic.twitter.com/O2s5tpzFLz

— Google Cloud Platform (@GCPcloud) March 2, 2020

Kubeflowとは、Kubernetes上で機械学習モデルの開発、構築、トレーニング、デプロイの機能を実現する一連のソフトウェア群をまとめたものです。これにより適正なKubernetes環境であればどこでもKubeflowを展開し、機械学習のための一連のツールが使えるようになります。

Kubeflowによって展開される一連の主なツールは以下です。

• Kubeflow全体のダッシュボード
• Jupyter notebookのWebアプリケーションおよびコントローラ
• Kubernetees上で分散トレーニングを行うTensorflow Operator (TFJob)およびPyTorch Operator
• Kubeflowのデプロイやアップグレードのためのkfctl
• マルチユーザーで使うためのProfile controller

Kubeflow 1.0で想定される機械学習のための作業は、Jupyterでモデルを開発し、KubeflowのPython用SDKであるFairingでコンテナを構築、トレーニングのためのリソースを作成し、モデルが出来上がれば、推論を実行するサーバを構築しデプロイするためにKFServingを利用する、といったことが想定されています。

Kubeflowが1.0に到達したことで、安心して本番環境へ投入できるようになったといえます。Kubeflowは前述の通りKubernetes環境に対してポータブルであるため、Googleなどを含むさまざまなベンダが提供するKubernetes上での機械学習環境の構築に使わるのではないでしょうか。