Charmed Kubeflow Bewertungen & Produktdetails

Ich mag die Portabilität, die es einfacher macht, mit jedem Kubernetes-Cluster zu arbeiten, sei es auf einem einzelnen Computer oder in der Cloud. Bewertung gesammelt von und auf G2.com gehostet.

Es war anfangs schwierig einzurichten, wir mussten engagierte Teammitglieder dafür abstellen. Bewertung gesammelt von und auf G2.com gehostet.

1. Es verwendet Kubernetes als Backend.

2. Es hält sich an die besten Praktiken von Mlops und Containerisierung.

3. Sobald ein Workflow richtig definiert ist, wird es sehr einfach, ihn zu automatisieren.

4. Es hat ein großartiges Python SDK, um Pipelines zu entwerfen.

5. Das Frontend/UI zur Nutzung der Kubeflow-Pipeline ist großartig.

6. Es zeigte auch alle Protokolle an. Bewertung gesammelt von und auf G2.com gehostet.

1. Anfangs steile Lernkurve, da es viele verschiedene Konzepte unter einem Dach vereint.

2. Der Benutzer muss neben den üblichen ML-Themen auch Kenntnisse über Docker/Container-Technologie und Kubernetes haben.

3. Selbst der anfängliche Einrichtungsprozess ist nicht so intuitiv.

4. Basierend auf dem verfügbaren Material in der Dokumentation scheint die Einrichtung auf GCP vergleichsweise einfach zu sein (tatsächlich habe ich es nur auf GCP verwendet). Bewertung gesammelt von und auf G2.com gehostet.

Automatisiert den Ablauf von Produktions-Maschinellem Lernen. Kubeflow kann leicht mit Kubernetes auf vielen verschiedenen Cloud-Anbietern integriert werden, wie zum Beispiel Amazon Web Service (unter Verwendung von Elastic Kubernetes Service) oder mit Google Cloud (mit Google Kubernetes Engine). Es hat eine API-Schnittstelle in verschiedenen Sprachen, besonders einfach zu integrieren mit Python und Docker-Containern. Dies hilft Benutzern, ihre eigenen wiederholbaren und steckbaren maschinellen Lernpipelines zu erstellen. Bewertung gesammelt von und auf G2.com gehostet.

Keine einfache Integration mit Terraform und Integration mit Domain-Name-Servern auf Amazon Web Service. Das bedeutet, dass die Bereitstellung von Kubeflow schwierig sein kann, abhängig davon, wie die bestehende Infrastruktur aussieht. Wenn Unternehmen bereits bestehende Modelle zur Integration mit Kubeflow haben, die keine Container verwenden, könnte es zusätzlichen Aufwand erfordern, diese zu implementieren, da Kubeflow am besten mit Docker-Containern verwendet wird und auf Kubernetes läuft. Bewertung gesammelt von und auf G2.com gehostet.

Skalierbarkeit, Portabilität und verteilen. Das All-in-One-Feature von Kubeflow hat es dem Team leicht gemacht zu verwenden und hat viel Zeit gespart. Dies ist einfach zu verwenden für neue Lernende. Bewertung gesammelt von und auf G2.com gehostet.

Es gab ein Bedürfnis nach einer CI/CD-Funktion im Team. In Kubeflow konnte die CI/CD-Funktion nicht gefunden werden. Bewertung gesammelt von und auf G2.com gehostet.

1. The kubeflow is based on kubernetes, it makes the scaling of models and load balancer quite easy

2. The pipelines are very elegant and make the stages very clear Bewertung gesammelt von und auf G2.com gehostet.

1. The documents of kubeflow is incomplete and some examples of source codes ( especially for docker images ) are difficult to find

2. There are no simple examples of data passing in different stages in the pipelines

3. The learning curve of DSL is high for data scientists Bewertung gesammelt von und auf G2.com gehostet.

Ich mag besonders, wie es alle verfügbaren ML-Frameworks unterstützt, angefangen bei TFX, PyTorch, Caffe. Bewertung gesammelt von und auf G2.com gehostet.

Ich würde es lieben, einen voll ausgestatteten Feature-Store mit CRUD-Operationen über REST-Endpunkte zu haben, obwohl das in der Beta-Phase ist und schnell für die stabile Version veröffentlicht wird. Bewertung gesammelt von und auf G2.com gehostet.

Pipeline and visualization and artifacts within the pipeline Bewertung gesammelt von und auf G2.com gehostet.

Writing code to create Pipeline. Kale is available but expect a Kubeflow ' s native soltuion to simplify the complete workflow. There is not enough documentation and a simple Google search doesn't provide a quick solution. Even stackoverflow community is not developed. A simple UI based approach to make the complete stack easy and accessible is required. Bewertung gesammelt von und auf G2.com gehostet.

Es ist die Benutzerfreundlichkeit und das einfache Starten von Notebooks sowie das Erstellen von Modellen in der Cloud!

Kubeflow kann problemlos in der Cloud eingerichtet werden, und viele Dateningenieure/-wissenschaftler können dies nutzen. Bewertung gesammelt von und auf G2.com gehostet.

Nichts im Moment.

UI kann ein wenig verbessert werden. Bewertung gesammelt von und auf G2.com gehostet.

Organisierte Methode zur Bearbeitung von Data-Science-Projekten. Experimentverfolgung. Bewertung gesammelt von und auf G2.com gehostet.

Komplexität und Lernkurve für maßgeschneiderte Lösungen. Bewertung gesammelt von und auf G2.com gehostet.

also wie Kubeflow-Pipelines sind der beste Weg, um ML-Workflows zu erstellen. und es ist ein Open-Source-Community-getriebenes Projekt. Bewertung gesammelt von und auf G2.com gehostet.

In Wirklichkeit ist die korrekte Installation von Kubernetes nicht einfach. Kubeflow hat viele Komponenten, die Kubeflow tatsächlich komplexer machen. Bewertung gesammelt von und auf G2.com gehostet.