Repolode
Enviar
kubeflow

kubeflow/katib

Sistema de AutoML nativo de Kubernetes para ajustar hiperparámetros, detener entrenamientos de forma anticipada y buscar arquitecturas neuronales en distintos frameworks de ML.

Ver en GitHubSitio web
Estrellas
1,707
Forks
550
Issues abiertos
120
Último commit
hace 7 días

¿Qué es?

Katib es un proyecto de AutoML diseñado para Kubernetes. Ejecuta ajustes de hiperparámetros, detención anticipada y búsqueda de arquitecturas neuronales, y no depende de un framework de ML específico: se puede ajustar cualquier aplicación escrita en cualquier lenguaje, siempre que pueda iniciarse como una carga de trabajo de Kubernetes y reportar sus métricas.

Los trials se inician mediante recursos personalizados de Kubernetes, con compatibilidad lista para usar con Kubeflow Training Operator, Argo Workflows y Tekton Pipelines. La búsqueda se basa en algoritmos como búsqueda aleatoria, búsqueda en cuadrícula, optimización bayesiana, TPE, CMA-ES, HyperBand y Population Based Training, con la opción de usar Goptuna, Hyperopt, Optuna y Scikit-Optimize como respaldo.

Katib se puede instalar como plano de control independiente mediante kubectl e incluye un SDK de Python (kubeflow-katib) para que los científicos de datos definan y envíen experimentos de ajuste desde Python.

Funciones clave

  • 01Admite el ajuste de hiperparámetros, la detención anticipada y la búsqueda de arquitecturas neuronales.
  • 02Funciona con cualquier aplicación de entrenamiento que pueda ejecutarse como recurso personalizado de Kubernetes.
  • 03Incluye algoritmos como optimización bayesiana, TPE, CMA-ES, HyperBand y PBT.
  • 04Se integra con Kubeflow Training Operator, Argo Workflows y Tekton Pipelines.
  • 05Ofrece un SDK de Python para crear y enviar experimentos de ajuste.

Casos de uso

  • Ajustar hiperparámetros de modelos de TensorFlow, PyTorch o XGBoost entrenados en un clúster de Kubernetes.
  • Ejecutar búsquedas paralelas de gran escala en los recursos del clúster, en lugar de hacerlo en una sola máquina.
  • Buscar arquitecturas de redes neuronales con ENAS o DARTS.
  • Añadir detención anticipada automática a trabajos de entrenamiento de larga duración.

Inicio rápido

  1. 1

    Instala el plano de control de Katib en un clúster de Kubernetes (versión estable v0.17.0).

    kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=v0.17.0"
  2. 2

    Instala Katib Python SDK desde PyPI.

    pip install -U kubeflow-katib
  3. 3

    Sigue la guía de inicio para crear tu primer Experiment de ajuste de hiperparámetros con Python SDK.

Antes de usarlo

  • Para instalarlo y usarlo, necesitas un clúster de Kubernetes en funcionamiento y conocimientos de Kubernetes.
  • Los requisitos previos de instalación y la configuración se detallan únicamente en la documentación externa de Kubeflow.

Temas

#automl#hyperparameter-tuning#kubernetes#neural-architecture-search#mlops#machine-learning#ai#huggingface#jax#kubeflow

Preguntas frecuentes

¿Qué es katib?
Sistema de AutoML nativo de Kubernetes para ajustar hiperparámetros, detener entrenamientos de forma anticipada y buscar arquitecturas neuronales en distintos frameworks de ML. Katib es un proyecto de AutoML diseñado para Kubernetes. Ejecuta ajustes de hiperparámetros, detención anticipada y búsqueda de arquitecturas neuronales, y no depende de un framework de ML específico: se puede ajustar cualquier aplicación escrita en cualquier lenguaje, siempre que pueda iniciarse como una carga de trabajo de Kubernetes y reportar sus métricas.
¿katib es gratuito? ¿Qué licencia tiene?
katib es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿katib sigue mantenido?
Mantenimiento activo. El último commit de katib fue el 31 oct 2026.
¿Para qué puedo usar katib?
Ajustar hiperparámetros de modelos de TensorFlow, PyTorch o XGBoost entrenados en un clúster de Kubernetes. Ejecutar búsquedas paralelas de gran escala en los recursos del clúster, en lugar de hacerlo en una sola máquina. Buscar arquitecturas de redes neuronales con ENAS o DARTS. Añadir detención anticipada automática a trabajos de entrenamiento de larga duración.
¿Cómo se instala katib?
Instala el plano de control de Katib en un clúster de Kubernetes (versión estable v0.17.0).: kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=v0.17.0" Instala Katib Python SDK desde PyPI.: pip install -U kubeflow-katib Sigue la guía de inicio para crear tu primer Experiment de ajuste de hiperparámetros con Python SDK.
¿Dónde consigo katib?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/kubeflow/katib

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados