mirror of
https://github.com/tencentmusic/cube-studio.git
synced 2024-11-27 05:33:10 +08:00
72 lines
4.1 KiB
Markdown
72 lines
4.1 KiB
Markdown
# Cube Studio
|
||
|
||
### 整体架构
|
||
|
||
<img width="1437" alt="image" src="https://user-images.githubusercontent.com/20157705/182564530-2c965f5f-407d-4baa-8772-73cb2645901b.png">
|
||
|
||
|
||
cube是 腾讯音乐 开源的一站式云原生机器学习平台，目前主要包含
|
||
- 1、数据管理：特征平台，支持在/离线特征；数据源管理，支持结构数据和媒体标注数据管理；
|
||
- 2、在线开发：在线的vscode/jupyter代码开发；在线镜像调试，支持免dockerfile，增量构建；
|
||
- 3、训练编排：任务流编排，在线拖拉拽；开放的模板市场，支持tf/pytorch/mxnet/spark/ray/horovod/kaldi/volcano等分布式计算/训练任务；task的单节点debug，分布式任务的批量优先级调度，聚合日志；任务运行资源监控，报警；定时调度，支持补录，忽略，重试，依赖，并发限制，定时任务算力的智能修正；
|
||
- 4、超参搜索：nni，ray的超参搜索；
|
||
- 5、推理服务：tf/pytorch/onnx模型的推理服务，serverless流量管控，triton gpu推理加速，依据gpu利用率/qps等指标的hpa能力，虚拟化gpu，虚拟显存等服务化能力；
|
||
- 6、资源统筹：多集群多项目组资源统筹，联邦调度，边缘计算；
|
||
|
||
# 帮助文档
|
||
|
||
https://github.com/tencentmusic/cube-studio/wiki
|
||
|
||
# 开源共建
|
||
|
||
学习、部署、体验、开源建设 欢迎来撩。或添加微信luanpeng1234，备注<开源建设>， [共建指南](https://github.com/tencentmusic/cube-studio/blob/master/CONTRIBUTING.md)
|
||
|
||
<img border="0" width="20%" src="https://user-images.githubusercontent.com/20157705/219829986-66384e34-7ae9-4511-af67-771c9bbe91ce.jpg" />
|
||
|
||
# 支持模板
|
||
|
||
提示：
|
||
- 1、可自由定制任务插件，更适用当前业务需求
|
||
|
||
| 模板 | 类型 | 组件说明 |
|
||
| :----- | :---- | :---- |
|
||
| 自定义镜像 | 基础命令 | 完全自定义单机运行环境，可自由实现所有自定义单机功能 |
|
||
| datax | 导入导出 | 异构数据源导入导出 |
|
||
| hadoop | 数据处理 | hadoop大数据组件，hdfs,hbase,sqoop,spark |
|
||
| sparkjob | 数据处理 | spark serverless 分布式数据计算 |
|
||
| ray | 数据处理 | python ray框架 多机分布式功能，适用于超多文件在多机上的并发处理 |
|
||
| volcano | 数据处理 | volcano框架的多机分布式，可自由控制代码，利用环境变量实现多机worker的工作与协同 |
|
||
| ray-sklearn | 机器学习 | 基于ray框架的sklearn支持算法多机分布式并行计算 |
|
||
| xgb | 机器学习 | xgb模型训练 |
|
||
| tfjob | 深度学习 | tf分布式训练，k8s云原生方式 |
|
||
| pytorchjob | 深度学习 | pytorch的多机多卡分布式训练 |
|
||
| horovod | 深度学习 | horovod 的多机多卡分布式训练 |
|
||
| paddle | 深度学习 | paddle的多机多卡分布式训练 |
|
||
| mxnet | 深度学习 | mxnet的多机多卡分布式训练 |
|
||
| kaldi | 深度学习 | kaldi的多机多卡分布式训练 |
|
||
| tfjob-train | tf分布式 | tf分布式训练，内部支持plain和runner两种方式 |
|
||
| tfjob-runner | tf分布式 | tf分布式-runner方式 |
|
||
| tfjob-plain | tf分布式 | tf分布式-plain方式 |
|
||
| tf-model-evaluation | tf分布式 | tensorflow2.3分布式模型评估 |
|
||
| tf-offline-predict | tf分布式 | tf模型离线推理 |
|
||
| model-register | 模型服务化 | 注册模型 |
|
||
| model-offline-predict | 模型服务化 | 所有框架的分布式模型离线推理 |
|
||
| deploy-service | 模型服务化 | 部署云原生推理服务 |
|
||
| media-download | 多媒体处理 | 分布式媒体文件下载 |
|
||
| video-audio | 多媒体处理 | 分布式视频提取音频 |
|
||
| video-img | 多媒体处理 | 分布式视频提取图片 |
|
||
| object-detection | 机器视觉 | 基于darknet yolov3 的目标识别|
|
||
| ner | 自然语言| 命名实体识别 |
|
||
|
||
# 平台部署
|
||
|
||
[参考wiki](https://github.com/tencentmusic/cube-studio/wiki/%E5%B9%B3%E5%8F%B0%E5%8D%95%E6%9C%BA%E9%83%A8%E7%BD%B2) 平台完成部署之后如下:
|
||
|
||
|
||
|
||
# 公司
|
||
|
||
|
||
|
||
|