این یک برنامه لینوکس به نام KServe است که آخرین نسخه آن را می‌توانید با عنوان helm-chart-kserve-crd-minimal-v0.15.2.tgz دانلود کنید. این برنامه را می‌توان به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.
این برنامه با نام KServe with OnWorks را به صورت رایگان دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
عکس ها
Ad
KServe
شرح
KServe یک تعریف منبع سفارشی Kubernetes برای ارائه مدل‌های یادگیری ماشین (ML) در چارچوب‌های دلخواه ارائه می‌دهد. هدف آن حل موارد استفاده از مدل تولید با ارائه رابط‌های اجرایی و انتزاعی بالا برای چارچوب‌های رایج یادگیری ماشین مانند Tensorflow، XGBoost، ScikitLearn، PyTorch و ONNX است. این پلتفرم پیچیدگی مقیاس‌پذیری خودکار، شبکه‌سازی، بررسی سلامت و پیکربندی سرور را در بر می‌گیرد تا ویژگی‌های پیشرفته‌ای مانند مقیاس‌پذیری خودکار GPU، مقیاس‌پذیری تا صفر و Canary Rollouts را به استقرارهای یادگیری ماشین شما اضافه کند. این پلتفرم یک داستان ساده، قابل اتصال و کامل برای سرویس یادگیری ماشین تولید، از جمله پیش‌بینی، پیش‌پردازش، پس‌پردازش و قابلیت توضیح، را فراهم می‌کند. KServe در سازمان‌های مختلف مورد استفاده قرار می‌گیرد.
امکانات
- KServe یک پلتفرم استنتاج مدل استاندارد و مستقل از فضای ابری روی Kubernetes است که برای موارد استفاده بسیار مقیاس‌پذیر ساخته شده است.
- پروتکل استنتاج استاندارد و کارآمدی را در چارچوب‌های یادگیری ماشینی ارائه می‌دهد.
- پشتیبانی از حجم کار استنتاج مدرن بدون سرور با مقیاس‌بندی خودکار مبتنی بر درخواست، از جمله مقیاس‌پذیری به صفر در CPU و GPU
- مقیاس‌پذیری بالا، تراکم بسته‌بندی و مسیریابی هوشمند را با استفاده از ModelMesh فراهم می‌کند.
- تولید ساده و قابل اتصال برای استنتاج، پردازش اولیه/پس‌پردازش، نظارت و قابلیت توضیح
- استقرارهای پیشرفته برای پیاده‌سازی Canary، pipeline و ensembles با InferenceGraph
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/kserve.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش به صورت آنلاین از یکی از سیستم‌های عامل رایگان ما اجرا کرد.
