GOOGLE推出CLOUD AI平台管道BETA版以更快地部署ML模型

可扩展的机器学习工作流程涉及多个步骤和复杂的计算。这些步骤包括数据准备和预处理，训练和评估模型，部署这些模型等等。虽然对机器学习模型进行原型设计可以看作是一项简单而轻松的任务，但最终很难以即席方式跟踪每个过程。

为了简化机器学习模型的开发，Google推出了Cloud AI Platform Pipelines的测试版，该版本将帮助部署强大的，可重复的机器学习管道，以及监视，审核，版本跟踪和可重复性。它确保为机器学习工作流提供易于企业安装，易于安装的安全执行环境。

云AI平台

Google Cloud中的AI平台是基于代码的数据科学开发环境，可帮助机器学习开发人员，数据科学家和数据工程师以快速且经济高效的方式部署ML模型。

AI Platform Pipelines的核心技术堆栈支持两个用于编写机器学习管道的SDK，即Kubeflow Pipelines SDK和TFX SDK。Kubeflow Pipelines SDK是一个较低级的SDK，可实现直接Kubernetes资源控制和容器化组件的简单共享。尽管TFX SDK提供了具有预定义的ML类型的但可自定义的组件的更高级别的抽象。因此，使用AI平台管道，可以使用Kubeflow管道(KFP)SDK或通过使用TFX SDK自定义TensorFlow扩展(TFX)管道模板来指定管道。

使用AI平台管道有两个主要好处：

易于安装和管理：通过访问Cloud Console中的AI Platform面板，可以轻松访问AI Platform Pipelines。

轻松的身份验证访问：AI平台管道通过Cloud AI Platform UI提供对管道用户界面的安全且经过身份验证的访问，而无需设置端口转发。