该存储库包含DKube各种功能的示例。 Dkube支持Tensorflow，Pytorch，Sklearn框架进行端到端的开发和部署。要查看特定框架/语言的示例，请选择适当的git分支。 分行 tensorflow-包含使用tensorflow + python的示例 pytorch-包含使用pytorch + python的示例 sklearn-包含使用sklearn + python的示例 R-包含使用tensorflow + R的示例 例子 此示例演示了从开发到部署的dkube端到端工作流

第四章管道 如何在DKube中运行管道 在DKube中添加代码仓库 在DKube中创建一个IDE，选择在步骤1中创建的代码。 如何运行ControlStructures.ipynb 用下面的客户端代码替换ControlStructures.ipynb中单元格4的全部内容。 import os existing_token = os.getenv("DKUBE_USER_ACCESS_TOKEN") client = kfp.Client(existing_token=existing_to

dkube-例子 该存储库包含移植到Dkube上运行的DL示例，并展示了Dkube平台的功能。 功能- 在Tensorflow，Pytorch等已知框架上进行深度学习培训... 基于定制容器的培训，可以使用定制框架或简单的python / C ++代码 基于GPU的培训。 分布式培训。 超参数调整以找到最佳参数空间。 使用自定义容器进行数据预处理。 使用管道自动化的工作流程。 提供以下示例， Tensorflow示例 使用MNIST网络进行灰度数字分类。 支持基于GPU的训练，