在Kubernetes上使用Kubeflow部署计算机视觉管道

Question

我可以使用Kubeflow运行计算机视觉管道吗？这是一个好主意，它会高效运行吗？

让我们说，流水线的步骤将需要图像分割，一些过滤以及其他操作（直到现在为止，gpu才启用了opencv），以及可能在最后为CNN服务的tensorflow。

有有用的资源吗？

谢谢

Answer 1

kubeflow pipelines非常适合您的特定用例。 这个想法是您将要解耦的所有单个步骤都容器化，例如：1 /预处理，2 /培训，3 /服务。每个容器都经过设计，因此可以随时间使用要修改的相关参数，以运行不同版本的管道。

• 对于预处理映像，我建议从安装了opencv的GPU映像开始，该映像会将输出拖放到Google Cloud Storage上。
• 为进行培训，您可以利用gcloud命令随附的google/cloud-sdk:latest映像，因此您只需复制代码并运行ml engine命令。
• 要提供服务，您可以使用ml引擎部署模型，从而从google/cloud-sdk:latest重新开始构建映像，或者可以使用现成的TF服务images，而您只需要需要指定存储已保存模型的存储桶以及模型名称see instructions。

此blog posts描述了如何建立类似的管道。