自动化与AI助手 · 工具介绍
Kubeflow
在 Kubernetes 上组织数据与 AI 工作负载，支持模型开发和运行流程。
Kubeflow 能做什么
在 Kubernetes 上组织数据与 AI 工作负载，支持模型开发和运行流程。
- 模型训练与部署
如何使用 Kubeflow
在集群中组织模型工作负载
准备输入
- Kubernetes环境
- 模型任务
- 数据与资源配置
操作步骤
- 在已有 Kubernetes 环境中选择需要使用的训练或管道组件。
- 配置代码、数据与计算资源，提交对应模型工作负载。
- 查看任务状态、日志和产物，排查失败步骤后再运行下一轮。
预期交付物
- 运行的模型任务
- 工作负载状态
核对资源配额、数据权限和任务结果。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从自动化与AI助手角度评估Kubeflow
把自动化与AI助手需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
触发是否明确
写清事件来源、必要字段和重复事件的识别方式。
权限是否够用
只连接完成任务所需的账户与范围；真实操作由有权人员确认。
失败是否可见
保留结果状态和接手人，不能把重试次数当成完成次数。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
