Home

0 、视频教程，产品介绍

1 、项目简介

• 1.1 、平台简介

• 1.2 、基础组件介绍

• 1.3 、平台架构

  • 1.3.1 、平台架构：云原生基础

  • 1.3.2 、平台架构：算力与分布式存储

  • 1.3.3 、平台架构：prometheus/grafana监控体系

  • 1.3.4 、平台架构：分布式训练能力+加速

  • 1.3.5 、平台架构：在线开发

  • 1.3.6 、平台架构：ML任务流

  • 1.3.7 、平台架构：超参搜索

  • 1.3.8 、平台架构：推理服务

2 、平台部署

• 2.1、安装docker

• 2.1.1 、初始化机器

• 2.2 、使用rancher自建k8s集群(可以使用自己的k8s集群)

• 2.3 、平台单机部署

• 2.4 、平台多机、多集群、多项目组 部署调度

• 2.5 、gpu机器加入集群

• 2.6、nfs分布式存储部署

• 2.7 、部署harbor私有仓库

• 2.8、替换平台组件

• 1.9、alluxio分布式存储部署

• 2.10、efk ki日志方案

• 2.11、在 kubesphere 上搭建 cube studio

3、平台使用简介

• 3.1 、新人用户使用指南

• 3.2 、构建镜像

• 3.3、notebook使用

  • 3.3.1、在线ide
  • 3.3.2、本地jupyter中链接hadoop生态

• 3.4 、模板使用

  • 3.4.- 、模板-数据导入导出-datax(单机)

  • 3.4.- 、模板-数据处理-hadoop(单机)

  • 3.4.- 、模板-数据处理-spark(分布式)

  • 3.4.- 、模板-数据处理-ray(分布式)

  • 3.4.- 、模板-数据处理-volcanojob(分布式)

  • 3.4.- 、模板-机器学习-ray-sklearn(分布式)

  • 3.4.- 、模板-机器学习-xgb(单机)

  • 3.4.- 、模板-深度学习-tfjob(分布式)

  • 3.4.- 、模板-深度学习-pytorchjob(分布式)

  • 3.4.- 、模板-深度学习-horovod(分布式)

  • 3.4.- 、模板-深度学习-paddle(分布式)

  • 3.4.- 、模板-深度学习-mxnet(分布式)

  • 3.4.- 、模板-多媒体类-kaldi(分布式)

  • 3.4.- 、模板-tf深度学习-tfjob-runner(分布式)

  • 3.4.- 、模板-tf深度学习-tfjob-plain(分布式)

  • 3.4.- 、模板-tf深度学习-tfjob-train(分布式)

  • 3.4.- 、模板-tf深度学习-tf-model-evaluation(单机)

  • 3.4.- 、模板-tf深度学习-tf-distribute-model-evaluation(分布式)

  • 3.4.- 、模板-tf深度学习-tf-model-offline-predict (单机)

  • 3.4.- 、模板-模型服务化-model-register(单机)

  • 3.4.- 、模板-模型服务化-deploy-service(单机)

  • 3.4.- 、模板-模型服务化-model-offline-predict(分布式)

  • 3.4.- 、模板-多媒体类-media-download(分布式)

  • 3.4.- 、模板-多媒体类-video-img(分布式)

  • 3.4.- 、模板-多媒体类-video-audio(分布式)

  • 3.4.- 、模板-行业应用-object-detection(单机)

  • 3.4.- 、模板-行业应用-ner(单机)

• 3.5 、内部服务部署

• 3.6 、推理服务部署

  • 3.6.1 、tfserving 推理服务
  • 3.6.2 、torch-server 推理服务
  • 3.6.3 、onnxruntime
  • 3.6.4 、triton 推理服务

4 、管理员操作说明

• 4.1 、管理员操作指南

• 4.2 、自定义配置文件

• 4.3、运维指南

5. 、共建指南

• 5.1 、2023年规划