當(dāng)?shù)貢r(shí)間11月9日，谷歌云宣布推出兩款工具：Kubeflow Pipelines和AI Hub，旨在幫助數(shù)據(jù)科學(xué)家能在不同組織之間利用所創(chuàng)建的模型進(jìn)行工作。

谷歌云AI和ML（機(jī)器學(xué)習(xí)）產(chǎn)品總監(jiān)Rajen Sheth表示，公司意識(shí)有很多數(shù)據(jù)科學(xué)家所創(chuàng)建的模型從來(lái)沒(méi)有被使用過(guò)，如果ML真的像谷歌相信的那樣是一場(chǎng)團(tuán)隊(duì)運(yùn)動(dòng)，那么模型應(yīng)該是能夠共享的，數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師和開(kāi)發(fā)者都應(yīng)該能夠基于這些模型構(gòu)建應(yīng)用程序。

為了幫助解決這個(gè)問(wèn)題，谷歌宣布推出Kubeflow的擴(kuò)展框架Kubeflow Pipelines，一個(gè)構(gòu)建在Kubernetes之上并專為ML服務(wù)的開(kāi)源框架。Pipelines（管道）本質(zhì)上是容器化的組件，ML生態(tài)系統(tǒng)中的用戶可以將這些組件連在一起來(lái)構(gòu)建和管理ML工作流程。

通過(guò)將模型內(nèi)置到容器中，數(shù)據(jù)科學(xué)家可以簡(jiǎn)單地根據(jù)需要調(diào)整并用持續(xù)交付的方法重新啟動(dòng)底層模型，Sheth認(rèn)為這為公司提供了更多模型使用的可能性。

至于ML特征，Kubeflow Pipelines還為客戶提供了一種新的方式，通過(guò)試驗(yàn)不同的管道變體，識(shí)別出哪一種能在可靠和可重復(fù)的環(huán)境中輸出最佳效果。

AI Hub，顧名思義，數(shù)據(jù)科學(xué)家可以在這個(gè)Hub（中心）找到各種不同的ML內(nèi)容，包括Kubeflow pipelines、Jupyter notebooks、TensorFlow模塊等。AI Hub將是一個(gè)公共存儲(chǔ)庫(kù)，涵蓋谷歌云AI團(tuán)隊(duì)、谷歌研究院以及其他谷歌團(tuán)隊(duì)所開(kāi)發(fā)的資源，允許數(shù)據(jù)科學(xué)家利用谷歌自家研發(fā)的專門(mén)知識(shí)。

但是谷歌希望這個(gè)Hub不僅僅是一個(gè)公共資源庫(kù)，還是一個(gè)允許組織內(nèi)部私下共享信息的平臺(tái)，因此賦予它雙重的用途。數(shù)據(jù)科學(xué)家可以借此輕易使用中央儲(chǔ)存庫(kù)的必要組件，而模型的使用率也相應(yīng)得到提升。

該AI Hub即日起在Alpha平臺(tái)上線，谷歌已經(jīng)提供了一些初始組件和分享內(nèi)部資源的工具，往后也將繼續(xù)提供更多的資源和性能。