机器学习平台是商业流行语之一，以促进发展ML或深度学习。
有一个共同的部分工作流程协调器或工作流程调度程序，可帮助用户构建DAG，调度和跟踪实验，作业和运行。
[有很多具有工作流程协调器的机器学习平台，例如Kubeflow pipeline，FBLearner Flow，Flyte
我的问题是气流和Kubeflow管道或其他ML平台工作流程协调器之间的主要区别是什么？
并且气流支持不同的语言API并具有庞大的社区，我们可以使用气流来构建ML工作流程吗？
您绝对可以使用Airflow来安排机器学习任务，但是您可能希望与操作员远程执行ML任务。
例如，Dailymotion使用KubernetesPodOperator缩放ML任务的气流。
[如果您没有资源来自己设置Kubernetes集群，则可以使用具有Airflow操作员的ML平台，例如Valohai。
在生产中进行ML时，理想情况下，您还希望对模型进行版本控制，以跟踪每次执行的数据，代码，参数和度量。
您可以在Scaling Apache Airflow for Machine Learning Workflows上找到有关此文章的更多详细信息>