用于管理机器学习工作流程的Lyft开源Flyte工具

拼车公司Lyft Inc.今天表示，它已经为人工智能数据开发了一个新的调试工具，该工具的定价、位置、估计到达时间、映射和自动驾驶开发团队在过去三年中一直在内部使用。

Lyft将flyte is描述为一个“用于并发、可伸缩和可维护的机器学习工作流的结构化和分布式平台”。

Lyft工程师Allyson Gale和Ketan Umare在Medium的一篇博客文章中写道：“由于数据现在是公司的主要资产，执行大规模的计算作业对企业来说至关重要，但从操作的角度来看，这是个问题。“缩放、监控和管理计算集群成为每个产品团队的负担，放慢迭代速度，并随后进行产品创新。此外，这些工作流往往具有复杂的数据依赖性。Flyte的任务是通过提取这些开销来提高机器学习和数据处理的开发速度。

盖尔和乌马雷解释说，Flyte是一个“多租户”服务，这意味着团队可以在单独的数据存储库上工作，并在不影响平台其余部分的情况下使用它们。软件代码的版本控制和容器化与其依赖关系，以确保所有的执行仍然是可重复的。开发人员可以调用AI模型内部的不同参数或变量，这些参数或变量定义了与特定问题相关的技能。flyte还可以使用以前的模型执行的缓存输出来节省时间和内存。

flyte还可以将任务连接在一起，并通过基于Python的特定于域的编程语言在它们之间传递数据。此外，由于Flyte中的每个实体都是不可变的，每个更改都被捕获为新版本，因此可以快速迭代或回滚工作流，并在工作流之间共享版本化的任务。

该公司表示：“Flyte是为了在现代产品、公司和应用程序所要求的规模上为机器学习和数据编排提供动力和加速。“Lyft和Flyte一起成长起来，看到了现代加工平台所提供的巨大优势，我们希望在开放采购Flyte的过程中，你也能从中获益。

星座研究公司（Constellation ResearchInc.）分析师霍尔格·穆勒（Holger Mueller）表示，Flyte似乎是一种有用的、经过验证的机器学习管理工具，对一些公司来说应该是有吸引力的，因为它涵盖了多个基本计算框架。

“在进一步考虑之前，管理人员需要验证Flyte的组件是否是他们想要构建下一代应用程序的组件，”Mueller说，“如果合适的话，这是非常值得详细评估的。

通过我们的1键订阅我们的YouTube频道（下面）来显示您对我们任务的支持-我们有更多的订阅者，那么YouTube的算法就会向对#EnterpriseTech感兴趣的用户推广我们的内容。谢谢。