> 在现有的Kubernetes上快速安装运行ML Workflow。

​

## 谁应该考虑使用Kubeflow？

​

根据当前功能，您应该考虑使用Kubeflow：

​

- 你希望在不同环境（例如本地，内部和云上）中训练/提供TensorFlow模型

- 你想使用Jupyter notebooks来管理TensorFlow训练jobs

- 你希望启动使用个人计算机上不可用的资源（例如额外的CPU或GPU）来训练jobs。

- 您希望将TensorFlow与其他进程结合使用

   - 例如，你可能希望使用`tensorflow/agents`来运行模拟以生成用于训练强化学习模型的数据。

​

此列表仅基于当前功能。我们正在投入大量资源来扩展功能，并积极向有兴趣贡献的公司和个人寻求合作。

​

## 设置Kubernetes

​

本文档假定您有一个Kubernetes集群。 如果没有，请先设置一个环境：

​

本地 - 有几种选择：

​

- [Minikube设置](https://www.kubeflow.org/docs/started/getting-started-minikube/)

  - Minikube利用`Virtual Box`或`VMware Fusion`等虚拟化应用程序来托管虚拟机，并提供可在VM外部使用的CLI（命令行）。

  - Minikube定义了一个完整的ISO，它包含一个已安装的最小操作系统和kubernetes。

  - 如果您刚开始学习并且已经安装了一个虚拟化，则此选项可能很有用。

​

- [Microk8s设置](https://www.kubeflow.org/docs/started/getting-started-multipass/)

  - 使用Microk8s的好处包括：

    - 可以作为快照安装在任何Linux系统上

    - 强大的隔离和更新 - 您单节点集群将会在上游Kubernetes发布后的短时间内就可以更新。

    - GPU通过内置 - 例如`microk8s.enable gpu`

​

  - 如果您不在Linux计算机上，或者想要在受限环境中使用Kubeflow，请使用[Multipass](https://github.com/CanonicalLtd/multipass)启动虚拟机。 好处包括：

    - Ubuntu云图已经集成。

    - 使用本机操作系统机制的轻量级`hypervisor`管理程序（例如MacOS上的Hypervisor Framework，Windows 10上的Hyper-V，Linux上的QEMU/KVM）

    - 无需安装单独的虚拟化应用程序。

    - 您可以使用cloud-init来自定义VM（就像在云一样）

​

Cloud:

- [Kubernetes引擎设置](https://www.kubeflow.org/docs/started/getting-started-gke/)

​

有关设置Kubernetes群集的更多常规信息，请参阅[Kubernetes安装](https://www.orchome.com/16596)。如果要使用GPU，请务必遵循Kubernetes说明启用[GPU](https://kubernetes.io/docs/tasks/manage-gpus/scheduling-gpus/)。