Kubeflow Pipelines SDK
项目描述
Kubeflow Pipelines是一个基于Docker容器在Kubeflow项目中构建和部署可移植、可扩展的机器学习工作流程的平台。
使用Kubeflow Pipelines将多步骤工作流程（流程）作为一个图来表示，该图由容器化的任务组成，使用Python代码和/或YAML。然后，使用指定的流程参数运行您的流程，使用新的参数或数据重新运行您的流程，安排流程定期运行，将运行组织到实验中，将机器学习工件保存到兼容的工件注册表中，并通过Kubeflow仪表板可视化。
安装
要安装kfp，请运行
pip install kfp
入门指南
以下是一个使用kfp v2语法的简单流程示例
from kfp import dsl
import kfp
@dsl.component
def add(a: float, b: float) -> float:
'''Calculates sum of two arguments'''
return a + b
@dsl.pipeline(
name='Addition pipeline',
description='An example pipeline that performs addition calculations.')
def add_pipeline(
a: float = 1.0,
b: float = 7.0,
):
first_add_task = add(a=a, b=4.0)
second_add_task = add(a=first_add_task.output, b=b)
client = kfp.Client(host='<my-host-url>')
client.create_run_from_pipeline_func(
add_pipeline, arguments={
'a': 7.0,
'b': 8.0
})
关闭
kfp-2.9.0.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 936b34261d7356f5f1960d07d12632a84f36f928e14a72cea7c092f2a224de7d |
|
| MD5 | 3a0b73fe29bf1b0d48275bd8747c5ed3 |
|
| BLAKE2b-256 | 2d37cea6a84fb7d5c498a3f982908d167850bf41685c6255cbc0990e26dbda59 |