Kubeflow pdf下载

基本信息（以实物为准）

• 商品名称：Kubeflow(云计算和机器学习的桥梁)
• 作者：编者:何金池//李峰//刘光亚//刘侯刚|责编:张春雨
• 定价：79
• 出版社：电子工业
• 书号：9787121392771

其他参考信息（以实物为准）

• 出版时间：2020-08-01
• 印刷时间：2020-08-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：248
• 字数：293千字

编辑推荐语

以Kubernetes为代表的云计算技术如日中天，以Tensorflow和PyTorch为代表的机器学习技术也如火如荼。Kuneflow的横空出世，犹如一座桥梁，有效的连接起了云计算和机器学习，一时之间成为了IT界的焦点。

内容提要

当前的IT界有两大高速列车，一是以“Kubernetes”为标杆技术的云计算，二是以“Tensorflow和PyTorch”等为代表的机器学习。如何使二者结合起来，成为近期IT界讨论的热点。Kubeflow的横空出世，有效的连接起了Kubernetes 和各个机器学习的框架，提供了机器学习在Kubernetes上的端到端的解决方案。本书讲解Kubeflow以及其社区的技术栈，包括机器学习的流程编排技术Pipelines、并行模型训练技术TFJob和PyTorchJob等、超参调优技术Katib、服务发布KFServing，机器学习的Python SDK Fairing等，涉及到机器学习的各个方面。本书结合理论和实战，详细阐述了Kubeflow社区的新技术和新方案。 ，展望了Kubeflow的前景和AI Hub的发展趋势。

作者简介

何金池， 软件工程师，负责IBM Data & AI系统研发，Kubeflow社区Maintainer。
  李峰， 软件工程师，负责IBM 认知系统研发，Kubeflow社区Maintainer。
  刘光亚，IBM Cloud Pak for Multicloud Management的STSM（Senior Technical Staff Member）， 架构师，负责IBM多云管理的研发与AI集成。
  刘侯刚， 软件工程师, 负责IBM私有云研发，Kubeflow社区Maintainer，Katib联合创始人。

目录

第1篇 IT两大“高速列车”：云计算和机器学习
第1章 云计算和KUBERNETES2
1.1 云计算2
1.1.1 云计算的历史和发展2
1.1.2 为什么云计算会“飘”起来5
1.2 虚拟化使云计算轻松落地6
1.2.1 虚拟化为云计算“铺上了轻轨”6
1.2.2 Docker的“燎原之火”7
1.2.3 Docker的hello-world应用9
1.3 KUBERNETES——云计算的新标杆11
1.3.1 Kubernetes的横空出世11
1.3.2 Kubernetes的基本概念和架构12
1.3.3 Kubernetes集群的部署16
1.3.4 Kubernetes的“Hello World”应用18
第2章 机器学习24
2.1 人工智能的第三次“冲击波”24
2.2 机器学习在生活中的应用28


2.3 机器学习的主流框架30
2.3.1 TensorFlow30
2.3.2 PyTorch32
2.3.3 scikit-learn33
2.3.4 XGBoost34
2.3.5 ONNX35
2.4 机器学习的“HELLO WORLD”36
2.4.1 MNIST数据集36
2.4.2 MNIST模型训练37
第2篇 KUBEFLOW：连接云计算和机器学习的“桥梁”
第3章 KUBEFLOW概述40
3.1 KUBEFLOW是什么40
3.2 KUBEFLOW的发展42
3.3 KUBEFLOW的核心组件44
第4章 KUBEFLOW的部署与应用48
4.1 KUBEFLOW的安装与部署48
4.1.1 Kubeflow的部署工具Kfctl48
4.1.2 Kubeflow Manifests与kustomize49
4.1.3 Kubeflow与Kubernetes版本的兼容性51
4.1.4 Kubeflow的安装过程52
4.1.5 安装后检查54
4.2 KUBEFLOW的用户故事56
4.3 KUBEFLOW端到端的用户案例58
4.4 KUBEFLOW对IBM POWER平台的支持67


第5章 KUBEFLOW PIPELINES流水线式机器学习69
5.1 KUBEFLOW PIPELINES是什么69
5.2 KUBEFLOW PIPELINES的基本概念71
5.3 KUBEFLOW PIPELINES的架构73
5.4 PIPELINES SDK74
5.4.1 安装Pipelines SDK75
5.4.2 Pipelines SDK代码分析75
5.5 动手构建自己的PIPELINES79
5.6 KUBEFLOW PIPELINES的实际应用82
第6章 KUBEFLOW OPERATOR自定义资源94
6.1 KUBERNETES CRD简述94
6.2 TENSORFLOW OPERATOR96
6.2.1 TFJob的前世今生96
6.2.2 TFJob CRD96
6.2.3 故障定位102
6.2.4 TFJob Python SDK103
6.2.5 TFJob的应用实例105
6.3 PYTORCH OPERATOR107
6.3.1 PyTorchJob简介108
6.3.2 PyTorchJob的实际应用109
6.4 其他OPERATOR111
6.4.1 XGBoost Operator111
6.4.2 Caffe2 Operator113
6.4.3 MPI Operator114
6.4.4 MXNet Operator115
6.4.5 Chainer Operator116


第7章 KUBEFLOW KATIB超参调优118
7.1 机器学习中的超参调优118
7.2 什么是KATIB120
7.3 KATIB的安装方法120
7.4 KATIB的架构121
7.5 KATIB的业务流程123
7.6 使用KATIB进行一次超参调优125
第8章 KFSERVING解决机器学习“ 一公里”的问题133
8.1 KFSERVING是什么133
8.2 ISTIO简介135
8.2.1 Service Mesh的概念135
8.2.2 Istio的架构137
8.2.3 Istio的安装方法138
8.3 KNATIVE简介139
8.3.1 Knative的架构139
8.3.2 Knative Serving140
8.3.3 Knative Serving的安装方法142
8.4 KFSERVING的架构分析142
8.4.1 KFServing的架构142
8.4.2 KFServing Data Plane144
8.4.3 KFServing Control Plane146
8.5 KFSERVING PYTHON SDK148
8.5.1 KFServing Python SDK的安装方法149
8.5.2 KFServing Python SDK Client支持的API149
8.5.3 KFServing Python SDK的应用153
8.6 KFSERVING的应用实例156
8.6.1 使用PVC训练模型并发布服务156
8.6.2 InferenceService Transformer的应用157
第9章 KUBEFLOW FAIRING带机器学习“飞”160
9.1 KUBEFLOW FAIRING是什么160
9.2 KUBEFLOW FAIRING的安装方法162
9.2.1 本地安装162
9.2.2 在Kubeflow Jupyter Notebook中 新Kubeflow Fairing SDK163
9.3 KUBEFLOW FAIRING的架构分析165
9.4 KUBEFLOW FAIRING的源码分析165
9.4.1 Kubeflow Fairing的入口程序文件Config.py165
9.4.2 Kubeflow Fairing Preprocessor166
9.4.3 Kubeflow Fairing Builder168
9.4.4 Kubeflow Fairing Deployer169
9.4.5 Kubeflow Fairing支持的High Level API171
9.5 KUBEFLOW FAIRING的应用实例171
0章 KUBEFLOW METADATA176
10.1 KUBEFLOW METADATA简述176
10.2 KUBEFLOW METADATA的架构与设计177
10.3 METADATA支持的元数据和数据表180
10.4 KUBEFLOW METADATA实战183
10.4.1 安装Kubeflow Metadata组件183
10.4.2 Kubeflow Metadata的应用实例184
10.4.3 Metadata的展示186
1章 KUBEBENCH机器学习哪家强188
11.1 先从BENCHMARK说起188
11.2 KUBEBENCH的安装方法190
11.3 KUBEBENCH的架构190
11.4 KUBEBENCH的实践193
2章 KUBEFLOW中的JUPYTER NOTEBOOK HUB195
12.1 JUPYTER NOTEBOOK简述195
12.2 JUPYTER NOTEBOOK的架构及其运行原理196
12.3 KUBEFLOW JUPYTER NOTEBOOK的组件及其使用方法197
第3篇 KUBEFLOW的应用和展望
3章 KUBEFLOW的应用实战205
13.1 在云平台上进行机器学习205
13.2 基于KUBEFLOW的SEQ2SEQ机器学习案例220
13.2.1 Seq2Seq模型简介220
13.2.2 在Kubeflow平台上运行Seq2Seq案例222
4章 KUBEFLOW前景展望和AI HUB233
14.1 KUBEFLOW 1.0的功能和计划233
14.2 基于KUBEFLOW的AI HUB新模式234
14.3 智能云中的AIAAS（AI服务）237