Canonical 现发布 Charmed Kubeflow 1.6

by Canonical on 5 October 2022

Canonical 发布的最新端到端 MLOps 平台 Charmed Kubeflow 1.6 改进了 AI/ML 训练能力

Ubuntu 开发商 Canonical 今日发布了最新版端到端 MLOps 平台Charmed Kubeflow 1.6, 本次更新重点强化了复杂模型的训练能力。Charmed Kubeflow 是 Canonical 旗下 Kubeflow 的企业版，专为配合 Kubernetes 设计，是一款开源的机器学习套件。

Charmed Kubeflow 1.6 遵循 Kubeflow 上游项目进行更新和发布。本次发布的最新版遵循 Kubeflow 路线图，性能和模型训练能力有所提升。

加速数字化转型：将模型从概念转化为生产

Charmed Kubeflow 可帮助数据科学团队实现任务自动化，提高生产力，帮助企业降低成本。平台使用可自动维护和安全运行的 Kubernetes 运算符charms。Charms 可加速工作负载部署，使数据科学团队能够更有效率地将模型推向市场。

一份2022年的 IBM 人工智能指数报告显示, 在去年，人工智能（AI）和机器学习（ML）在企业中的采用率达到了35%。好处显而易见，举例来说，银行应用ML构建推荐收益，从而将其销售额提高10%, 资本支出节约20%，现金收入增加20%, 流失率降低20%。识别工具使数据科学工作流程自动化，是快速从AI/ML项目中获得投资回报的关键。

借助 MLOps 完善数据处理和跟踪功能

除可加快部署外，Charmed Kubeflow 1.6 还可提高数据处理的流畅度。Kubeflow 2022年的一项调查显示，数据处理和转换是企业面临的最具挑战性且最耗时的活动。此外，这些数据来自不同的来源，各数据源需执行特定流程或处理特定依存关系。

Charmed Kubeflow 1.6 具有完善的追踪功能。  AI/ML模型可得到更高效的测量，模型演化和调试工作将会更简单，解决方案会侦测数据飘移，使得模型能够更快地适应变化，同时，Charmed Kubeflow 1.6 也改进了对测试日志的追踪，允许在数据源故障时进行高效调试。

改进 AI 训练和建模

模型通常需要多达15次迭代才能进入生产，而且其中只有一半会生产成为 AI/ML 模型。Charmed Kubeflow 1.6 支持基于群体的训练（PBT）技术, 从而加速模型迭代，提高模型达到生产就绪状态的可能性。MPI 运算符可提高大量数据的训练效率。PyTorch 弹性训练增强功能可提高模型训练的效率，同时帮助 ML 工程师快速入门。

深入了解 Charmed Kubeflow 1.6 技术

Canonical 将于2022年9月8日通过直播详细介绍 Charmed Kubeflow 1.6。还将就上游 Kubeflow 和 Canonical 路线图中的一些主题进行深度的技术解读。具体内容将涉及：

• 新版发布信息
• 加入开源社区的重要性
• 开发开源产品面临的挑战
• Canonical 的 Charmed Kubeflow 和上游版本的区别

本次直播将深入探讨上一次发布 Beta 版时在直播中谈到的特性，上次直播视频可在 YouTube 上观看。移步Facebook或Linkedin关注本次活动，即可获得 Canonical 后续活动的相关推送。