Repolode
제출하기
kubeflow

kubeflow/katib

ML 프레임워크에 구애받지 않고 하이퍼파라미터 튜닝, 조기 중단, 신경망 아키텍처 탐색을 수행하는 Kubernetes 네이티브 AutoML 시스템입니다.

GitHub에서 보기웹사이트
스타
1,707
포크
551
열린 이슈
120
마지막 커밋
어제

어떤 프로젝트인가요?

Katib는 Kubernetes용으로 구축된 AutoML 프로젝트입니다. 하이퍼파라미터 튜닝, 조기 중단, 신경망 아키텍처 탐색을 수행하며, ML 프레임워크에 구애받지 않습니다. Kubernetes 워크로드로 실행할 수 있고 메트릭을 보고할 수 있다면 어떤 언어로 작성된 애플리케이션이든 튜닝할 수 있습니다.

Trial은 Kubernetes 커스텀 리소스로 실행되며, Kubeflow Training Operator, Argo Workflows, Tekton Pipelines를 기본 지원합니다. 탐색에는 random search, grid search, Bayesian optimization, TPE, CMA-ES, HyperBand, Population Based Training 등의 알고리즘을 사용하며, Goptuna, Hyperopt, Optuna, Scikit-Optimize를 선택적으로 연동할 수 있습니다.

Katib는 kubectl을 통해 독립형 컨트롤 플레인으로 설치할 수 있습니다. Python에서 튜닝 실험을 정의하고 제출하려는 데이터 과학자를 위해 Python SDK(kubeflow-katib)도 제공합니다.

핵심 기능

  • 01하이퍼파라미터 튜닝, 조기 중단, 신경망 아키텍처 탐색을 지원합니다.
  • 02Kubernetes 커스텀 리소스로 실행할 수 있는 모든 학습 애플리케이션과 함께 사용할 수 있습니다.
  • 03Bayesian optimization, TPE, CMA-ES, HyperBand, PBT 등의 알고리즘을 제공합니다.
  • 04Kubeflow Training Operator, Argo Workflows, Tekton Pipelines와 연동됩니다.
  • 05튜닝 실험을 생성하고 제출할 수 있는 Python SDK를 제공합니다.

활용 사례

  • Kubernetes 클러스터에서 학습하는 TensorFlow, PyTorch, XGBoost 모델의 하이퍼파라미터를 튜닝합니다.
  • 단일 머신 대신 클러스터 리소스 전반에서 대규모 병렬 탐색 작업을 실행합니다.
  • ENAS 또는 DARTS를 사용해 신경망 아키텍처를 탐색합니다.
  • 장시간 실행되는 학습 작업에 자동 조기 중단을 적용합니다.

빠른 시작

  1. 1

    Kubernetes 클러스터에 Katib 컨트롤 플레인을 설치합니다(안정 버전 v0.17.0).

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

    PyPI에서 Katib Python SDK를 설치합니다.

    pip install -U kubeflow-katib
  3. 3

    시작 가이드를 따라 Python SDK로 첫 하이퍼파라미터 튜닝 Experiment를 만듭니다.

사용 전 알아둘 점

  • 설치 및 사용하려면 실행 중인 Kubernetes 클러스터와 Kubernetes에 대한 지식이 필요합니다.
  • 설치 전제 조건과 설정에 관한 자세한 내용은 외부 Kubeflow 문서에서만 확인할 수 있습니다.

토픽

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

자주 묻는 질문

katib은(는) 무엇인가요?
ML 프레임워크에 구애받지 않고 하이퍼파라미터 튜닝, 조기 중단, 신경망 아키텍처 탐색을 수행하는 Kubernetes 네이티브 AutoML 시스템입니다. Katib는 Kubernetes용으로 구축된 AutoML 프로젝트입니다. 하이퍼파라미터 튜닝, 조기 중단, 신경망 아키텍처 탐색을 수행하며, ML 프레임워크에 구애받지 않습니다. Kubernetes 워크로드로 실행할 수 있고 메트릭을 보고할 수 있다면 어떤 언어로 작성된 애플리케이션이든 튜닝할 수 있습니다.
katib은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
katib은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
katib은(는) 아직 유지보수되고 있나요?
활발히 유지보수 중. katib의 마지막 커밋은 2026년 11월 6일입니다.
katib은(는) 어디에 사용할 수 있나요?
Kubernetes 클러스터에서 학습하는 TensorFlow, PyTorch, XGBoost 모델의 하이퍼파라미터를 튜닝합니다. 단일 머신 대신 클러스터 리소스 전반에서 대규모 병렬 탐색 작업을 실행합니다. ENAS 또는 DARTS를 사용해 신경망 아키텍처를 탐색합니다. 장시간 실행되는 학습 작업에 자동 조기 중단을 적용합니다.
katib는 어떻게 설치하나요?
Kubernetes 클러스터에 Katib 컨트롤 플레인을 설치합니다(안정 버전 v0.17.0).: kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=v0.17.0" PyPI에서 Katib Python SDK를 설치합니다.: pip install -U kubeflow-katib 시작 가이드를 따라 Python SDK로 첫 하이퍼파라미터 튜닝 Experiment를 만듭니다.
katib은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/kubeflow/katib

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트