. 6 2.4 Keras 支持多个后端引擎，并且不会将你锁定到一个生态系统中 . . . . . . . . . . 6 2.5 Keras 拥有强大的多 GPU 和分布式训练支持 . . . . . . . . . . . . . . . . . . . . . . 6 2.6 Keras 的发展得到深度学习生态系统中的关键公司的支持 . . . . . . . . . . . . . Flask app）中。 • 在 JVM，通过 SkyMind 提供的 DL4J 模型导入。 • 在 Raspberry Pi 树莓派上。 2.4 Keras 支持多个后端引擎，并且不会将你锁定到一个生态系统中 你的 Keras 模型可以基于不同的深度学习后端开发。重要的是，任何仅利用内置层构建的 Keras 模型，都可以在所有这些后端中移植：用一种后端训练模型，再将它载入另一种后端中（比 如为了发布）。支持的后端有： 集群上训练。 • Keras 可以在 Spark（通过 CERN 的 Dist-Keras）和 Elephas 上运行。 为什么选择 KERAS？ 7 2.6 Keras 的发展得到深度学习生态系统中的关键公司的支持 Keras 的开发主要由谷歌支持，Keras API 以 tf.keras 的形式包装在 TensorFlow 中。此外， 微软维护着 Keras 的 CNTK 后端。亚马逊

RukPak 组件。 RukPak 是一个可插拔式解决方案，用于打包和分发云原生内容。它支持安装、更新和策略的高级策略。 RukPak 提供用于在 Kubernetes 集群上安装各种工件的内容生态系统。工件示例包括 Git 仓库、Helm chart 和 OLM 捆绑包。然后，RukPak 可以以安全的方式管理、扩展和升级这些工件，以启用强大的集群 扩展。 在其核心上，RukPak 是一组 API Manager (OLM) 的工作流。 2.4.3.1. OLM 中的 中的 Operator 安装和升 安装和升级工作流 工作流 在 Operator Lifecycle Manager (OLM) 生态系统中，以下资源用于解决 Operator 的安装和升级问题： ClusterServiceVersion (CSV) CatalogSource Subscription CSV 中定义的 Operator features.operators.openshift.io 组中的注解详细说明 Operator 可能支持的基础架构功能，通过设置 "true" 或 "false" 值来指定。在 web 控制台或 红帽生态系统目录 中通过 OperatorHub 发现 Operator 时，用户可以查看和过滤这些功能。OpenShift Container Platform 4.10 及更新的版本支持这些注解。 重要

true 来选择 注入。选择 确保 sidecar 注入不会影响 OpenShift Container Platform 的其他功能，如 OpenShift Container Platform 生态系统中的多个框架使用的 builder pod。 先决条件 识别作为服务网格一部分的命名空间，以及需要自动 sidecar 注入的部署。 $ oc -n istio-system patch --type='json' true 来选择 注入。选择 确保 sidecar 注入不会影响 OpenShift Container Platform 的其他功能，如 OpenShift Container Platform 生态系统中的多个框架使用的 builder pod。 先决条件 识别作为服务网格一部分的命名空间，以及需要自动 sidecar 注入的部署。 流程 1. 要查找部署，请使用 oc get 命令。