在JupyterHub上运行工作流
jupyterflow的Python项目详细描述
巨流
在JupyterHub上运行您的工作流！在
什么是JupyterFlow？在
用一个命令在JupyterHub上运行Argo Workflow。在
- 不需要运行Kubernetes知识（YAML）。
- 无容器映像生成和推送或部署。
- 只需使用一个命令
jupyterflow运行工作流。在
jupyterflow是一个单独的命令，它可以帮助用户使用Argo工作流引擎，而无需在JupyterHub上生成任何YAML文件或构建容器。下面的jupyterflow命令将为您创建序列工作流。就这样！在
jupyterflow run -c "python hello.py >> python world.py"要创建并行工作流，请编写您自己的^{
要解决的问题
- 我想有效地训练多个ML模型。在
- 使用Kubernetes是个好主意，因为
- 分配工作很容易。在
- 在多个训练服务器上调度ML作业很容易。在
- 它具有本地资源管理机制。在
- 它有良好的监控系统。在
- 但也有一些缺点。
- 每次更新我的模型时，我都需要重新构建和重新推送图像。这很痛苦。在
- 不熟悉k8s的人很难使用这种方法。在
JupyterFlow旨在解决这个问题。使用单个命令在JupyterHub上运行工作流，而不执行Kubernetes&container麻烦的任务。在
限制
JupyterFlow只适用于部署在Kubernetes上的JupyterHub。在
因此，虽然使用JupyterFlow并不需要Kubernetes的知识，但是设置JupyterFlow需要Kubernetes的理解（YAML，helm，Service）。如果你熟悉库伯内特斯，那就不难了。在
入门
要设置jupyterflow并开始运行您的第一个工作流，请遵循Getting Started指南。在
它是如何工作的
要了解它是如何工作的，请转到How it works指南。在
示例
有关如何使用的示例，请参见Examples页。在
配置
要了解更多配置，请查看Configuration页。在
CLI参考
有关jupyterflow命令行界面的详细用法，请在CLI Reference页上找到更多信息。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
