Os transformadores estão revolucionando os recursos de aprendizado de máquina (ML), levando a uma nova era de IA generativa. O Kubeflow 1.7 tornou-se disponível ontem, fornecendo a primeira atualização para a plataforma MLops de código aberto amplamente usada desde o lançamento do Kubeflow 1.6 em setembro de 2022.
Kubeflow 1.7
O Kubeflow é um kit de ferramentas ML de código aberto que ajuda as organizações a implantar e executar Fluxos de trabalho de ML na infraestrutura Kubernetes nativa da nuvem. Entre os temas da atualização do Kubeflow 1.7 está o foco em ajudar a oferecer melhor suporte a modelos baseados em transformadores.
À medida que os desenvolvedores de modelos passam a usar modelos baseados em transformadores, eles também devem aprender a utilizar os recursos de forma eficaz. O Kubeflow 1.7 pode ajudar no posicionamento da carga de trabalho e no escalonamento automático, o que pode reduzir o uso de recursos e simplificar as operações.
Em particular, o componente Kubeflow Pipelines na atualização 1.7 se beneficia da introdução de instruções “Parallelfor”, que permitem que os desenvolvedores usem processos paralelos com mais eficiência no hardware do acelerador de IA.
“O Kubeflow 1.7 é um grande lançamento com centenas de commits, então os benefícios e temas podem ser escritos de várias maneiras”, disse Josh Bottum, Kubeflow Community Product Manager, ao VentureBeat.
Escolhemos destacar como os desenvolvedores de modelos, que estão migrando para arquiteturas de modelos transformadores, se beneficiarão dos fluxos de trabalho nativos do python 1.7 e do Kubernetes, que aceleram a iteração do modelo e fornecem uma utilização eficiente da infraestrutura.
A segurança do MLops recebe um impulso no Kuberflow 1.7
Há muito o que processar sobre a atualização geral do Kubeflow. “O lançamento do Kubeflow 1.7 é o maior lançamento do Kubeflow até o momento”, disse Amber Graner, vice-presidente de comunidade e marketing da Arrikto Inc, ao VentureBeat.
Graner observou que mais de 250 pessoas contribuíram com código para o lançamento com contribuições significativas e alterações nos componentes Pipelines, Katib e Notebooks , entre outras alterações. Além das mudanças no código principal, Graner disse que um dos itens que mais a anima para este lançamento é a formação da equipe de segurança do Kubeflow.
Como um projeto de código aberto, existe a tecnologia principal de upstream e, em seguida, fornecedores individuais como Arrikto, Canonical ou Red Hat, por exemplo, podem optar por criar uma distribuição empacotada para seus próprios usuários.
KNative, KServe e Kubeflow
O Kubeflow 1.7 também se beneficia da integração com uma variedade crescente de tecnologias nativas da nuvem que podem ajudar na implantação de fluxos de trabalho MLops.
Duas dessas tecnologias são Knative para implementação sem servidor e KServe, para inferência de ML sem servidor. Andreea Munteanu, gerente de produto da Canonical, que desenvolve a distribuição ‘Charmed Kubeflow’, disse à VentureBeat que há vários benefícios em adicionar KServe e KNative ao Kubeflow.
