Манифесты дистрибутива на базе Kubernetes для установки полной платформы Kubeflow, включая Pipelines, KServe, Katib и Central Dashboard.
1 тыс.+3 за неделю1,1 тыс.YAMLApache-2.0Активно поддерживаетсяОбновлён 18 часов назад
kubeflow/katib
AutoML-система для Kubernetes: подбор гиперпараметров, ранняя остановка и поиск архитектур нейросетей в разных ML-фреймворках.
- Звёзды
- 1,707
- Форки
- 550
- Открытые issues
- 120
- Последний коммит
- 6 дней назад
Что это?
Katib — проект AutoML для Kubernetes. Он выполняет подбор гиперпараметров, раннюю остановку и поиск архитектур нейросетей и не привязан к конкретному ML-фреймворку: можно настраивать любое приложение на любом языке, если его можно запустить как Kubernetes workload и оно умеет отправлять метрики.
Задачи запускаются через пользовательские ресурсы Kubernetes; из коробки поддерживаются Kubeflow Training Operator, Argo Workflows и Tekton Pipelines. Для поиска используются такие алгоритмы, как случайный и полный перебор, байесовская оптимизация, TPE, CMA-ES, HyperBand и Population Based Training; при желании можно задействовать Goptuna, Hyperopt, Optuna и Scikit-Optimize.
Katib можно установить как автономную плоскость управления с помощью kubectl. В комплект также входит Python SDK (kubeflow-katib), с помощью которого специалисты по данным могут определять эксперименты по подбору параметров и запускать их из Python.
Ключевые возможности
- 01Поддерживает подбор гиперпараметров, раннюю остановку и поиск архитектур нейросетей.
- 02Работает с любыми обучающими приложениями, которые можно запускать как пользовательские ресурсы Kubernetes.
- 03Включает алгоритмы, такие как байесовская оптимизация, TPE, CMA-ES, HyperBand и PBT.
- 04Интегрируется с Kubeflow Training Operator, Argo Workflows и Tekton Pipelines.
- 05Предоставляет Python SDK для создания экспериментов по подбору параметров и их запуска.
Сценарии использования
- Подбор гиперпараметров моделей TensorFlow, PyTorch или XGBoost, обучаемых в кластере Kubernetes.
- Запуск масштабных параллельных поисковых задач на ресурсах кластера вместо одной машины.
- Поиск архитектур нейросетей с помощью ENAS или DARTS.
- Автоматическая ранняя остановка длительных задач обучения.
Быстрый старт
- 1
Установите плоскость управления Katib в кластер Kubernetes (стабильный выпуск v0.17.0).
kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=v0.17.0" - 2
Установите Katib Python SDK из PyPI.
pip install -U kubeflow-katib - 3
Следуя руководству для начала работы, создайте свой первый Experiment для настройки гиперпараметров с помощью Python SDK.
Что важно знать
- Для установки и использования необходим работающий кластер Kubernetes и знание Kubernetes.
- Предварительные требования и настройка установки подробно описаны только во внешней документации Kubeflow.
Темы
#automl#hyperparameter-tuning#kubernetes#neural-architecture-search#mlops#machine-learning#ai#huggingface#jax#kubeflow
Частые вопросы
- Что такое katib?
- AutoML-система для Kubernetes: подбор гиперпараметров, ранняя остановка и поиск архитектур нейросетей в разных ML-фреймворках. Katib — проект AutoML для Kubernetes. Он выполняет подбор гиперпараметров, раннюю остановку и поиск архитектур нейросетей и не привязан к конкретному ML-фреймворку: можно настраивать любое приложение на любом языке, если его можно запустить как Kubernetes workload и оно умеет отправлять метрики.
- katib можно использовать бесплатно? Какая у него лицензия?
- katib распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- katib всё ещё поддерживается?
- Активно поддерживается. Последний коммит в katib — 31 окт. 2026 г..
- Для чего можно использовать katib?
- Подбор гиперпараметров моделей TensorFlow, PyTorch или XGBoost, обучаемых в кластере Kubernetes. Запуск масштабных параллельных поисковых задач на ресурсах кластера вместо одной машины. Поиск архитектур нейросетей с помощью ENAS или DARTS. Автоматическая ранняя остановка длительных задач обучения.
- Как установить katib?
- Установите плоскость управления Katib в кластер Kubernetes (стабильный выпуск v0.17.0).: kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=v0.17.0" Установите Katib Python SDK из PyPI.: pip install -U kubeflow-katib Следуя руководству для начала работы, создайте свой первый Experiment для настройки гиперпараметров с помощью Python SDK.
- Где скачать katib?
- Исходный код и инструкции по установке — на GitHub: https://github.com/kubeflow/katib
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Python-библиотека и облачная платформа для отслеживания, визуализации и управления экспериментами машинного обучения, датасетами и моделями.
11,3 тыс.+2 за неделю914PythonMITАктивно поддерживаетсяОбновлён 12 часов назад
Создаёт модели машинного обучения по описанию задачи на естественном языке и табличному набору данных с помощью мультиагентного процесса.
2,6 тыс.+3 за неделю265PythonApache-2.0Обновлён 8 месяцев назад
Python SDK для обучения и развертывания моделей машинного обучения в Amazon SageMaker с поддержкой фреймворков, встроенных алгоритмов и собственных контейнеров.
2,3 тыс.+1 за неделю1,3 тыс.PythonApache-2.0Активно поддерживаетсяОбновлён 12 часов назад
Ноутбуки, примеры кода и приложения, которые показывают, как создавать, развёртывать и управлять ML- и генеративными AI-процессами на Google Cloud Vertex AI.
795+4 за неделю322Jupyter NotebookApache-2.0Обновлён 17 часов назад
Фреймворк на Python для создания, масштабирования и развёртывания AI- и ML-процессов — от прототипов в ноутбуках до production-оркестраторов.
10,3 тыс.+13 за неделю1,4 тыс.PythonApache-2.0Активно поддерживаетсяОбновлён 12 часов назад