Kubeflow 是 Google 发布的用于在 Kubernetes 集群中部署和管理 tensorflow 任务的框架。主要功能包括

  • 用于管理 Jupyter 的 JupyterHub 服务
  • 用于管理训练任务的 Tensorflow Training Controller
  • 用于模型服务的 TF Serving 容器

部署

部署之前需要确保

  • 一套部署好的 Kubernetes 集群或者 Minikube，并配置好 kubectl 命令行工具
  • 安装 ksonnet 0.8.0 以上版本

对于开启 RBAC 的 Kubernetes 集群，首先要创建管理员角色绑定：

  1. kubectl create clusterrolebinding tf-admin --clusterrole=cluster-admin --serviceaccount=default:tf-job-operator

然后运行以下命令部署

  1. ks init my-kubeflow
  2. cd my-kubeflow
  3. ks registry add kubeflow github.com/google/kubeflow/tree/master/kubeflow
  4. ks pkg install kubeflow/core
  5. ks pkg install kubeflow/tf-serving
  6. ks pkg install kubeflow/tf-job
  7. ks generate core kubeflow-core --name=kubeflow-core
  8. ks apply default -c kubeflow-core

如果有多个 Kubernetes 集群，也可以切换到其他其集群中部署，如

  1. kubectl config use-context gke
  2. ks env add gke
  3. ks apply gke -c kubeflow-core

稍等一会，就可以看到 tf-hub-lb 服务的公网IP，也就是 JupyterHub 的访问地址

  1. kubectl get svc tf-hub-lb

对于不支持 LoadBalancer Service 的集群，还可以通过端口转发（http://127.0.0.1:8100）的方式来访问：

  1. kubectl port-forward tf-hub-0 8100:8000

JupyterHub 默认可以用任意用户名和密码登录。登陆后，可以使用自定义镜像来启动 Notebook Server，比如使用

  • gcr.io/kubeflow/tensorflow-notebook-cpu
  • gcr.io/kubeflow/tensorflow-notebook-gpu

训练示例

使用 CPU：

  1. ks generate tf-cnn cnn --name=cnn
  2. ks apply gke -c cnn

使用 GPU：

  1. ks param set cnn num_gpus 1
  2. ks param set  cnn num_workers 1
  3. ks apply default -c cnn

模型部署

  1. MODEL_COMPONENT=serveInception
  2. MODEL_NAME=inception
  3. MODEL_PATH=gs://cloud-ml-dev_jlewi/tmp/inception
  4. ks generate tf-serving ${MODEL_COMPONENT} --name=${MODEL_NAME} --namespace=default --model_path=${MODEL_PATH}
  6. ks apply gke -c ${MODEL_COMPONENT}

参考文档