购物网站欢迎页面怎么设计,成品网站nike源码1688,北京公司做网站,网站开发用的电脑通过 Kubeflow XGBoost Training Operator 支持在 Kubernetes 上进行分布式 XGBoost 训练和批量预测。
操作步骤
为在 Kubernetes 集群上运行 XGBoost 作业#xff0c;执行以下步骤#xff1a; 在 Kubernetes 集群上安装 XGBoost Operator。 XGBoost Operator 旨在管理 XGB…通过 Kubeflow XGBoost Training Operator 支持在 Kubernetes 上进行分布式 XGBoost 训练和批量预测。
操作步骤
为在 Kubernetes 集群上运行 XGBoost 作业执行以下步骤 在 Kubernetes 集群上安装 XGBoost Operator。 XGBoost Operator 旨在管理 XGBoost 作业的调度和监控。按照安装指南安装 XGBoost Operator。 编写由 XGBoost Operator 执行的应用程序代码。 要使用 XGBoost Operator需要编写几个 Python 脚本实现 XGBoost 的分布式训练逻辑。请参考鸢尾花分类示例。 数据读取器/写入器根据所选数据源的具体要求需要基于数据读取器和写入器的实现。例如如果数据集存储在 Hive 表中必须根据 worker 的索引编写代码从 Hive 表中读取或写入数据。模型持久化在鸢尾花分类示例中模型存储在 Alibaba OSS 中。如果要将模型存储在其他存储系统如 Amazon S3 或 Google NFS中需要根据所选存储系统的要求实现模型持久化逻辑。 使用 YAML 文件配置 XGBoost 作业。 YAML 文件用于配置 XGBoost 作业的计算资源和运行环境例如工作器/主节点的数量和 CPU/GPU 的数量。请参考此 YAML 模板进行配置。 将 XGBoost 作业提交到 Kubernetes 集群。 使用 kubectl 提交分布式 XGBoost 作业如此处所示。
参考
https://github.com/kubeflow/training-operatorhttps://github.com/kubeflow/training-operator/tree/master/examples/xgboost/xgboost-disthttps://xgboost.readthedocs.io/en/latest/tutorials/kubernetes.html
