Tutorial berbilang bahagian ini membimbing anda melalui membina saluran paip pembelajaran mesin di premis menggunakan alat sumber terbuka. Ia sesuai untuk pemula pada anggaran, menekankan kawalan dan kebolehprediksi kos.
Kelebihan utama:
- kos efektif: mengelakkan perbelanjaan perkhidmatan awan.
- disesuaikan: menawarkan kawalan yang lebih besar ke atas saluran paip ML anda.
- boleh diakses: Memudahkan persediaan Kubernet dengan enjin rancher Kubernetes (RKE), yang memerlukan hanya Docker Basic dan kemahiran Linux.
- Pendekatan Praktikal: Panduan tangan untuk pembangunan saluran paip ML, sesuai untuk pemula.
Mengapa pergi ke premis?
Banyak yang menganggap penyimpanan awan (AWS S3, Google Cloud Storage), tetapi siri ini menunjukkan membina saluran paip berfungsi menggunakan pelayan sedia ada, sesuai untuk persekitaran yang terkawal sumber. Pendekatan ini menyediakan persekitaran pembelajaran yang selamat tanpa kos yang tidak dapat diramalkan.
penonton sasaran:
Panduan ini adalah untuk jurutera perisian atau individu yang membina model ML siap sedia pengeluaran, terutama yang baru untuk saluran paip ML.
Prasyarat:
kebiasaan dengan Linux (Ubuntu 18.04 disyorkan) dan pengetahuan Docker asas membantu. Kepakaran Kubernet Deep tidak diperlukan.
Alat yang digunakan:
- Docker
- Kubernetes
- rancher (dengan RKE)
- saluran paip Kubeflow/Kubeflow (dilindungi di bahagian kemudian)
- minio
- TensorFlow (dilindungi di bahagian kemudian)
Fasa 1: Pemasangan Kubernet Easy dengan Rancher
Bahagian ini memberi tumpuan kepada tugas mencabar pemasangan Kubernet, dipermudahkan dengan RKE.
Langkah 0: Penyediaan Mesin:
Anda memerlukan sekurang -kurangnya dua mesin Linux (atau VM dengan rangkaian jambatan dan mod promiscuous diaktifkan) pada LAN yang sama, yang ditetapkan sebagai 'Master' dan 'Pekerja'. Perhatikan bahawa menggunakan VMS mengehadkan akses dan prestasi GPU.
Butiran mesin penting (alamat IP, nama pengguna, kekunci SSH) diperlukan untuk konfigurasi. Nama hos sementara (mis.,
anda dengan sewajarnya pada kedua -dua mesin untuk mencerminkan nama hos dan alamat IP ini. Jika menggunakan VMS, tambahkan entri HostName ke fail rancher-demo.domain.test
mesin tuan rumah anda juga untuk akses penyemak imbas. /etc/hosts
/etc/hosts
Muat turun binari RKE yang sesuai untuk OS anda dari halaman pelepasan GitHub, menjadikannya boleh dilaksanakan, dan gerakkannya ke
. Sahkan pemasangan dengan menjalankan. /usr/local/bin
rke
pada
semua mesin:
pada nod induk, gunakan untuk membuat fail
Run pada nod induk untuk membuat kluster Kubernet. Proses ini mengambil sedikit masa.
salin ke
Pasang pada nod induk menggunakan arahan yang disediakan. Sahkan pemasangan dengan menjalankan
Pasang Helm 3 menggunakan arahan yang disediakan.
Langkah 8: Memasang rancher menggunakan Helm:
Tambah repositori rancher, buat ruang nama , dan pasang rancher menggunakan HELH. Pantau status penempatan.
3
Langkah 10: Mengakses peternak:
Soalan Lazim (Soalan Lazim): Seksyen Soalan Lazim memberikan jawapan yang komprehensif kepada soalan-soalan umum mengenai persediaan Kubernet di premis, yang meliputi manfaat, perbandingan dengan penyelesaian berasaskan awan, cabaran, pertimbangan keselamatan, strategi migrasi, keperluan perkakasan, skala, pengendali kubernet, beban kerja mesin, dan beban kerja mesin, dan Pemantauan Prestasi.
docker
. Log keluar dan kembali untuk perubahan kumpulan berkuat kuasa. AllowTcpForwarding yes
dalam /etc/ssh/sshd_config
). sudo swapoff -a
dan mengulas entri swap dalam /etc/fstab
. sudo sysctl net.bridge.bridge-nf-call-iptables=1
. resolvconf
.
/etc/resolvconf/resolv.conf.d/head
resolvconf
rke config
cluster.yml
Langkah 4: Membawa kluster: rke up
Langkah 5: Menyalin KubeConfig: kube_config_cluster.yml
$HOME/.kube/config
Langkah 6: Memasang Kubectl: kubectl
kubectl get nodes
Langkah 7: Memasang Helm 3: cattle-system
Langkah 9: Menyediakan Ingress (Untuk Akses Tanpa Pengimbang Beban): ingress.yml
mengakses UI rancher di kubectl apply -f ingress.yml
(atau nama hos yang anda pilih), buat kata laluan, dan tetapkan nama domain.
https://rancher-demo.domain.test
Ini melengkapkan persediaan kluster Kubernet. Bahagian seterusnya siri ini akan meliputi memasang Kubeflow.
Atas ialah kandungan terperinci Paip Pembelajaran Mesin: Menyediakan Kubernet di Premis. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Apabila membangunkan platform pembelajaran yang serupa dengan Udemy, tumpuan bukan hanya pada kualiti kandungan. Sama pentingnya ialah bagaimana kandungan itu disampaikan. Ini kerana platform pendidikan moden bergantung kepada media yang boleh diakses, cepat, dan mudah dicerna.

Di dunia di mana kepercayaan dalam talian tidak boleh dirunding, sijil SSL telah menjadi penting bagi setiap laman web. Saiz pasaran pensijilan SSL bernilai USD 5.6 bilion pada tahun 2024 dan masih berkembang dengan kuat, didorong oleh perniagaan e-dagang yang melonjak

Gerbang pembayaran adalah komponen penting dalam proses pembayaran, membolehkan perniagaan menerima pembayaran dalam talian. Ia bertindak sebagai jambatan antara pelanggan dan saudagar, dengan selamat memindahkan maklumat pembayaran dan memudahkan urus niaga. Untuk

Model kecerdasan buatan baru (AI) telah menunjukkan keupayaan untuk meramalkan peristiwa cuaca utama dengan lebih cepat dan dengan ketepatan yang lebih besar daripada beberapa sistem ramalan global yang paling banyak digunakan. Model ini, bernama Aurora, telah dilatih U

Dalam apa yang kelihatan seperti satu lagi kemunduran untuk domain di mana kita percaya manusia akan selalu melampaui mesin, para penyelidik kini mencadangkan agar AI memahami emosi yang lebih baik daripada yang kita lakukan.

Suka atau tidak, kecerdasan buatan telah menjadi sebahagian daripada kehidupan seharian. Banyak peranti-termasuk pisau cukur elektrik dan berus gigi-telah menjadi berkuasa AI, "menggunakan algoritma pembelajaran mesin untuk mengesan bagaimana seseorang menggunakan peranti, bagaimana devi

Kecerdasan Buatan (AI) bermula sebagai usaha untuk mensimulasikan otak manusia. Ia kini dalam proses mengubah peranan otak manusia dalam kehidupan seharian? Revolusi perindustrian mengurangkan pergantungan pada buruh manual. Sebagai seseorang yang menyelidik aplikasinya

Semakin tepatnya kita cuba membuat fungsi model AI, semakin besar pelepasan karbon mereka menjadi - dengan petunjuk tertentu menjana sehingga 50 kali lebih banyak karbon dioksida daripada yang lain, menurut kajian baru -baru ini. Model -model yang berlaku seperti Claude Antropik
