mlflow + airflow + kserve的MLOps设置案例


此存储库包含一个完全可部署的环境,用于使用 Apache Airflow、MLFlow 和 KServe 执行 MLOps。

我们假设您具有以下条件:

  • 访问具有至少 4 个 CPU 内核和 20Gb 的 Kubernetes 1.22+ 集群
  • 用作功能存储和工件存储的 Azure 存储帐户
  • 您机器上最新版本的 Anaconda
  • Kubectl 必须安装在你的机器上
  • 您的机器上安装了 Helm 3 或更高版本
  • Istio 1.11.6

我们已经使用 Docker Desktop 和 WSL2 测试了设置。其他形式的 Kubernetes 托管可能会起作用,但暂时还没有经过测试。

项目点击标题