IBM开源机器学习应用程序框架CodeFlare，大幅简化混合云AI部署工作

IBM开源能够大幅提升机器学习模型训练效率的机器学习应用程序框架CodeFlare，可以简化工作管线配置工作，让用户将心力放在应用本身，官方提到，当用户使用该框架来分析和最佳化1万个用于训练机器学习模型的工作管线时，每一个工作管线的执行时间，将会从4小时缩短到15分钟。

资料分析和机器学习技术，被广泛地用于各个产业，随着处理的工作越来越复杂，用到的系统和资料集也相对庞大，这使得研究人员需要花费更多时间，来配置这些工作流程，而非把精力花在资料科学应用上。

IBM开源了CodeFlare框架，来简化将大量资料和人工智能工作流程，扩展到混合云上的工作。CodeFlare建立在Ray之上，Ray是用于机器学习应用程序的新兴开源分散式运算框架，IBM扩展了Ray的功能，新添加一些元素和功能成为CodeFlare。

官方提到，要创建机器学习模型，开发人员必须要先训练和最佳化模型，而这个过程包括了资料清理、特征撷取和模型最佳化，CodeFlare利用Python界面的工作管线，简化整合、平行化和共享资料，以简化这个过程。新框架目标是要一统多平台的工作管线流程，让资料科学家不需要学习新的工作流程语言。

用户已经可以在IBM无服务器平台IBM Cloud Code Engine和Red Hat OpenShift上，执行CodeFlare工作管线，并供用户在任意平台部署工作流程，拓展无服务器服务的好处。IBM解释，透过事件触发转接器，CodeFlare可从任何来源载入和分割资料，也能与其他云端原生生态系整合，取用物件储存、资料湖和分散式档案系统等服务。

CodeFlare的优点在于，开发人员不需要一直重复相同的工作，也不需要理解工作管线的配置，可以使用丰富的工具和API，一致地进行操作，将更多精力放在研究上，而不必费心于配置和部署复杂工作。该框架可以节省部署到混合云工作管线的时间和精力，IBM举例，CodeFlare最佳化1万个用于训练机器学习模型的工作管线，可将执行每个工作管线的时间，从原本的4小时，缩减到15分钟。

IBM将CodeFlare用于自家人工智能研究上，并承诺会继续发展CodeFlare，以支援更加复杂的工作管线，计划强化容错性和一致性，并改进外部来源的整合和资料管理，同时增加工作管线的视觉化功能。