この記事は、シスコのクラウド サービス Distinguished Engineerである
Debo Dutta によるブログ「Consistent AI: The Journey Together」（2019/4/10）の抄訳です。
パートナー関係の企業は共通のビジョンのもとに連携します。オープン ソースの世界では、そのビジョンがそのまま、共有の実現に転換されます。AI/ML の急速な普及により、 Kubeflow project はこの 1 年で劇的に進歩を遂げました。また、コンテナ カテゴリの Google Cloud Technology Partner of the Year に 2 年連続で選ばれたことは実にすばらしいことです。
シスコは 以前のブログ で、AI/ML に関するいくつかの課題を整理した結果、Kubernetes 上の機械学習プラットフォームである Kubeflow と共に歩むことを決めました。
昨年を振り返ると、コミュニティの実績、Google Cloud/AI エンジニアリングおよびソリューション チームとの緊密なコラボレーション、そして複数の事業部門にまたがるシスコ自身の Kubeflow チームは大いに評価できるものです。
Google Cloud の各チームと Kubeflow コミュニティによるサポートに感謝します。
私たちは Kubeflow 内のいくつかの重要なギャップを解消しました。主な実績について、以下に一部を紹介します。
- Kubebench – Kubeflow クラスタの検証とパフォーマンス ベンチマークの実行を可能にする重要なコンポーネントです。
- Operator – Pytorch Operator から着手し、それから他の Operator の設計の改善へと手を広げました。
- Katib – これは最近の重点分野の 1 つであり、API の再設計についてコミュニティと緊密に連携して、まったく新しいニューラル アーキテクチャ検索機能（AutoML）をもたらしました。
- Ksonnet から Kustomize への移行 – 最終的に Ksonnet に代わり Kustomize に移行するために、Kubeflow は内部でリファクタリングされています。
- 初期の中核的ユーザ インターフェイス – 初期のデフォルト UI（事前パイプライン)。
さらに、シスコがコミュニティと協力して実施したユーザ調査はロードマップに直接影響し、オンプレミスの企業要件に注力できました。
Kubeflow の取り組みの結果、お客様は包括的なデータ パイプラインを展開できるようになりました。データ ソースがデータセンター内のような近くにあろうと、遠く離れた場所にあろうと、シスコにはデータ パイプラインをサポートするインフラストラクチャと管理ツールがあります。GPU 8 基を搭載した UCS C480 ML では、データの抽出、変換、格納（ETL）のほか最新の深層学習アルゴリズムもサポートするサーバ一式が用意されています。
Cisco Intersight では、お客様がポリシーを設定してクラウドから直接展開できます。
GKE On-Prem と統合することで、ハイブリッド クラウドのライフサイクルにわたって一貫した機械学習ツールのセットを利用できると考えています。
シスコと Google Cloud のパートナーシップの詳細については、 cisco.com/jp/go/googlecloudを参照してください。
また、AI および ML のワークロード向けのシスコ インフラストラクチャ ソリューションの詳細については、cisco.com/jp/go/ai-compute を参照してください。
執筆者を Twitter でフォロー： @dedutta @hanyang1234
Authors