完整 Kubeflow 使用教學 - 開發 ML 模型、進行分散式訓練與部署服務
一個 深度學習模型 (Deep Learning Model) 的開發牽涉到許多的步驟，包含從一開始的資料收集分析與處理、模型的開發與訓練。此篇部落格將介紹如何使用 Kubeflow 來完成深度學習模型開發典型應用情境。
Kubeflow v0.7 新功能與回顧介紹
Kubeflow是一個開源軟體，致力於提供使用者於Kubernetes上快速便捷的部署與管理ML Workflow。Kubeflow在2019年11月推出0.7版，除了許多服務相繼邁入Beta外，也同時發佈了新的服務-KFServing。至此，Kubeflow完整了他的使用情境，讓使用者可以在此平台上完成模型建構、訓練到最後的部署。
Kubeflow v0.7 - Multi-user, auth-enabled 部署教學
Kubeflow是一個開源軟體，致力於提供使用者於Kubernetes上快速便捷的部署與管理ML Workflow，而在0.7版最重要的功能即是搭配`Istio`加入的使用者認證與權限管理。此功能讓一個Kubeflow的可以讓多人使用，並透過Group的概念在多個使用者間共享資源與權限，旨在成為一個通用全方位的AI平台。
Kubeflow 如何搭配 Istio 實作 Multi-user 認證與權限管理(下)
Kubeflow ，昨天提到了透過 Kubernetes RBAC 與 Istio ServiceRole/ServiceRoleBinding 來做服務與資源的權限認證，以達成 Multi-user 情境。今天來說說如何進行認證，以及這個獨立的AuthService是什麼。
Kubeflow 如何搭配 Istio 實作 Multi-user 認證與權限管理(上)
既前一篇分享如何安裝 Kubeflow v0.7 Multi-User 版本後，接下來將會詳解其實做原理，因為他的做法非常 Kubernetes Native 值得大家參考！原本的 Kubeflow 各項服務都是獨立的專案，使用方式是分別的操作 Jupyter UI 來開啟 Jupyterhub ，或是使用 Kubeflow Pipeline UI 來創建一個 Workflow 。這使得整體的使用有些破碎， Kubeflow 在接下來的發展將會搭配一個統一的 Dashboard UI 與認證方案來解決，以下是過去的缺點與將帶來的好處。
Workflow 工具 Argo 之部署與概述
Argo 是一個基於 CRD 實作的一個 Workflow 工具，協助使用者管理與控制一系列任務的執行，同時提供一個簡潔的UI介面觀看每一個任務的執行狀況、順序、結果與 log。
OpenStack_oslo_config
通常一個大型的系統，為了滿足使用者在不同情境下的需求，會提供許多可以讓使用者更改的配置選項 (Options)。而這些配置選項值的來源有些是從命令行參數、有些是來自於一個包含所有配置選項的配置文件。