Tensorflow

Kubeflow 是 Google 發佈的用於在 Kubernetes 集群中部署和管理 tensorflow 任務的框架。主要功能包括

• 用於管理 Jupyter 的 JupyterHub 服務

• 用於管理訓練任務的 Tensorflow Training Controller

• 用於模型服務的 TF Serving 容器

部署

部署之前需要確保

• 一套部署好的 Kubernetes 集群或者 Minikube，並配置好 kubectl 命令行工具

• 安裝 ksonnet 0.8.0 以上版本

對於開啓 RBAC 的 Kubernetes 集群，首先要創建管理員角色綁定：

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

然後運行以下命令部署

ks init my-kubeflow
cd my-kubeflow
ks registry add kubeflow github.com/google/kubeflow/tree/master/kubeflow
ks pkg install kubeflow/core
ks pkg install kubeflow/tf-serving
ks pkg install kubeflow/tf-job
ks generate core kubeflow-core --name=kubeflow-core
ks apply default -c kubeflow-core

如果有多個 Kubernetes 集群，也可以切換到其他其集群中部署，如

kubectl config use-context gke
ks env add gke
ks apply gke -c kubeflow-core

稍等一會，就可以看到 tf-hub-lb 服務的公網IP，也就是 JupyterHub 的訪問地址

kubectl get svc tf-hub-lb

對於不支持 LoadBalancer Service 的集群，還可以通過端口轉發（http://127.0.0.1:8100）的方式來訪問：

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

JupyterHub 默認可以用任意用戶名和密碼登錄。登陸後，可以使用自定義鏡像來啓動 Notebook Server，比如使用

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

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

訓練示例

使用 CPU：

ks generate tf-cnn cnn --name=cnn
ks apply gke -c cnn

使用 GPU：

ks param set cnn num_gpus 1
ks param set  cnn num_workers 1
ks apply default -c cnn

模型部署

MODEL_COMPONENT=serveInception
MODEL_NAME=inception
MODEL_PATH=gs://cloud-ml-dev_jlewi/tmp/inception
ks generate tf-serving ${MODEL_COMPONENT} --name=${MODEL_NAME} --namespace=default --model_path=${MODEL_PATH}

ks apply gke -c ${MODEL_COMPONENT}

參考文檔

• Introducing Kubeflow - A Composable, Portable, Scalable ML Stack Built for Kubernetes
• https://github.com/google/kubeflow