TME Cube Studio

TME Cube Studio是由TME研发的集成数据处理、分布式计算、机器学习模型训练等多项功能的容器化算法平台, 帮助算法使用者提升算法迭代效率和共享度. Cube Studio包含多种组件, 支持TensorFlow、PyTorch等多种框架的分布式训练，自定义Pipeline构建等功能.

开源共建

有意向进行开源共建的同学请微信添加767065521并备注"Cube Studio开源共建"进入微信群.

功能简述

下载 PDF.

平台部署流程

基础环境依赖

• docker >= 19.03
• kubernetes >=1.18
• kubectl >=1.18
• ssd ceph > 10T 挂载到每台机器的 /data/k8s/
• 单机 磁盘>=1T 单机磁盘容量要求不大，仅做镜像容器的的存储
• 控制端机器 cpu>=32 mem>=64G * 2
• 任务端机器，根据需要自行配置

本平台依赖k8s/kubeflow/prometheus/efk相关组件，请优先参考install/kubenetes/readme.md 部署依赖组件。

平台完成部署之后如下:

本地调试

deploy mysql

linux
docker run --network host --restart always --name mysql -e MYSQL_ROOT_PASSWORD=admin -d mysql:5.7
mac
docker run -p 3306:3306 --restart always --name mysql -e MYSQL_ROOT_PASSWORD=admin -d mysql:5.7

进入数据库创建一个db

CREATE DATABASE IF NOT EXISTS kubeflow DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;

镜像构建

构建基础镜像（包含基础环境）
docker build -t ai.tencentmusic.com/tme-public/kubeflow-dashboard:base -f install/docker/Dockerfile-base .

使用基础镜像构建生产镜像
docker build -t ai.tencentmusic.com/tme-public/kubeflow-dashboard:2021.10.01 -f install/docker/Dockerfile .

镜像拉取(如果你不参与开发可以直接使用线上镜像)

docker pull ai.tencentmusic.com/tme-public/kubeflow-dashboard:2021.10.01

deploy myapp (docker-compose)

本地开发使用

docker-compose.yaml文件在install/docker目录下，这里提供了mac和linux版本的docker-compose.yaml。 可自行修改 image：刚才构建的镜像 LOGIN_URL地址：登录重定向地址 MYSQL_SERVICE：mysql的地址

1. init database

STAGE: 'init'
docker-compose -f docker-compose.yml  up

2. build fore

STAGE: 'build'
docker-compose -f docker-compose.yml  up

3. debug backend

STAGE: 'dev'
docker-compose -f docker-compose.yml  up

4. Production

STAGE: 'prod'
docker-compose -f docker-compose.yml  up

部署以后，登录首页 会自动创建用户，绑定角色（Gamma和username同名角色）。

可根据自己的需求为角色授权。

可视化页面

页面资源镜像制作：

cd myapp/vision && docker build --no-cache ./ -t your_images_name:your_label --network host

项目资源打包：

开发环境要求：
node: 14.15.0+
npm: 6.14.8+

包管理（建议使用yarn）：
yarn: npm install yarn -g

# 初始化安装可能会遇到依赖包的版本选择，直接回车默认即可
cd myapp/vision && yarn && yarn build

输出路径：/myapp/static/appbuilder