machine-learning - Kubeflow 是否有助于以分布式方式运行 ML

Question

我花了几天时间阅读 Kubeflow 文档，任何人都可以帮助我回答以下问题。

1. Kubeflow 是否有助于以分布式方式运行任何机器学习算法？
2. Kubeflow 和 Spark ML 有什么区别？

Answer 1

Kubflow 是一组利用 Kubernetes 分发来执行 ML 相关工作负载的服务。 TFJob是 Kubeflow 提供的运行分布式 Tensorflow 作业的 Kubernetes 资源。

Kubeflow 包括其他服务，例如 Kubeflow Pipelines，它们可以编排任何类型的工作流，并且主要针对 ML 工作负载而设计。

Spark ML 是一个软件库，利用 Apache Spark 运行分布式 ML 算法(通常是经典的 ML 算法)。 Apache Spark 是一个分布式计算平台，可以部署在 Kubernetes 或 Hadoop 集群(或本地)中，并且它不运行分布式深度学习( tensorflow )，或者至少没有设计。