访问官网
Github
文档
Kubeflow流水线服务概述
Kubeflow是一个致力于使机器学习(ML)工作流在Kubernetes上的部署变得简单、可移植和可扩展的机器学习工具包。
Kubeflow流水线是使用Kubeflow流水线SDK构建的可重用的端到端ML工作流。
Kubeflow流水线服务有以下目标：
- 端到端编排：支持并简化端到端机器学习流水线的编排
- 便于实验：让您轻松尝试多种想法和技术，并管理各种试验/实验
- 易于重用：使您能够重用组件和流水线，快速组合端到端解决方案，而无需每次重新构建
安装
-
从Kubeflow流水线的安装选项中选择安装Kubeflow流水线。
-
Docker容器运行时在Kubernetes 1.20+版本中已被弃用。Kubeflow流水线从1.8版本开始默认使用Emissary执行器。Emissary执行器与容器运行时无关，这意味着您可以在任何容器运行时的Kubernetes集群上运行Kubeflow流水线。
文档
从您的第一个流水线开始，并在Kubeflow流水线概述中阅读更多信息。
了解使用Kubeflow流水线SDK的各种方式。
查看Kubeflow 流水线API文档了解API规范。
使用Python SDK编写流水线时，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流水线做贡献
在开始为Kubeflow流水线做贡献之前，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流水线，请阅读开发者指南。
Kubeflow流水线社区会议
会议每隔一周的周三上午10-11点（太平洋标准时间）举行 日历邀请或直接加入会议
Kubeflow流水线Slack频道
博客文章
- Kubeflow流水线入门（作者：Amy Unruh）
- 如何创建和部署Kubeflow机器学习流水线（作者：Lak Lakshmanan）
- Kubeflow流水线2.0的Tekton优化（作者：Tommy Li）
致谢
Kubeflow流水线默认在底层使用Argo Workflows来编排Kubernetes资源。Argo社区一直非常支持，我们非常感激。此外，还有Tekton后端可用。要访问它，请参考带有Tekton的Kubeflow流水线存储库。
