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/