我可以使用 Kubeflow 运行计算机视觉管道吗？这是一个好主意吗？它会高效运行吗？
假设管道的步骤需要是图像分割、一些过滤等等(到目前为止 GPU 启用了 opencv)，最后可能是一个为 CNN 服务的 tensorflow 。
有什么有用的资源吗？
谢谢
最佳答案
kubeflow pipelines将非常适合您的特定用例。 这个想法是，您可以将想要解耦的所有单独步骤容器化，例如:1/预处理，2/训练，3/服务。每个容器都经过精心设计，可以采用您想要随时间修改的相关参数来运行不同版本的管道。
- 对于预处理图像，我建议从安装了 opencv 的 GPU 图像开始，该图像会将输出放到 Google Cloud Storage 上。
- 对于训练，您可以利用 gcloud 命令附带的
google/cloud-sdk:latest镜像，这样您只需复制代码并运行 ml 引擎命令即可。 - 对于服务，您可以使用 ml 引擎来部署模型，从而再次开始构建镜像
google/cloud-sdk:latest，或者您可以使用 TF 服务 images这些都是现成的，您只需指定存储模型的存储桶和模型名称 see instructions 。
这个blog posts描述如何构建类似的管道。
关于kubernetes - 在 Kubernetes 上使用 Kubeflow 部署计算机视觉管道，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53918457/