4.3　Kubeflow 端到端的用户案例

上一节我们讲解了Kubeflow 的用户故事，本节我们运行一个Kubeflow 端到端的用户案例，并且讲解Kubeflow 中的关键组件。

需要特别说明的是，本节的目标只是使读者对Kubeflow 端到端的用户案例和关键组件有一个大致的了解，一些概念将在后面的章节详细讲解。运行Kubeflow 端到端的用户案例的步骤如下。

第一步，使用Jupyter Notebook 定义一个端到端的机器学习案例。

本节为了展示方便，只定义了超参调优、模型训练、服务发布共3 个主要环节。创建Jupyter Notebook 可以分为3 步，具体如下。

（1）安装并导入所需的Python 库。

（2）定义Pipelines，分为3 步，代码如下：

（3）将Pipelines 提交到Kubernetes 集群中运行。

第二步，通过浏览器访问Kubeflow 用户界面，如图4-2 所示。

第三步，使用Notebook Servers Tab 创建一个Jupyter Notebook Server（在本案例中，Notebook 的镜像是gcr.io/kubeflow-images-public/tensorflow-1.14.0-notebook-cpu：v0.7.0），如图4-3 所示。

第四步，访问并下载GitHub 的kubeflow/pipelines/samples/contrib/e2e-mnist/目录下的Notebook File 和测试图像，并且将Notebook File 上传到Kubeflow Jupyter Notebook Server上，如图4-4 所示。

第五步，运行Notebook File，创建一个端到端的MNIST Pipelines，该Pipelines 包括使用Katib 进行超参调优，使用TFJob 进行模型训练，以及使用KFServing 发布服务等。

第六步，在运行Pipelines 时，可以通过单击run link 超链接查看Pipelines 的运行状态，如图4-5 所示。

第七步，在Pipelines 运行完成后，在所有步骤中都会有一个绿色的图标。在Kubeflow Dashboard 中选择Katib → HP → Monitor tab 命令，可以查看使用Katib 进行超参调优的结果，如图4-6 所示。