tongchenkeji 发表于：2023-4-15 23:37:460次点击 已关注取消关注 关注 私信 请问一个机器学习PAI的问题， tensorflow 2.0 以上有计划支持吗？[阿里云机器学习PAI] 暂停朗读为您朗读 请问 tensorflow 2.0 以上有计划支持吗？ 「点点赞赏，手留余香」 赞赏 还没有人赞赏，快来当第一个赞赏的人吧！ 海报 机器学习PAI# TensorFlow46# 人工智能平台 PAI1410# 算法框架工具77
wljslmzAM 2023-11-28 2:53:00 1 目前阿里云机器学习PAI已经支持TensorFlow 2.0。您可以通过如下方式在PAI中创建使用TensorFlow 2.0的计算环境： 创建PAI Notebook 在PAI控制台中，选择“Notebook”服务，然后创建一个新的Notebook。 选择TensorFlow 2环境 在Notebook创建界面，选择“TensorFlow 2”环境，然后设置所需的CPU或GPU规格。您还可以设置其他选项，例如存储容量、共享模式等。 运行Notebook 创建完成后，您可以通过访问Notebook的Web界面运行TensorFlow 2.0代码。在Notebook内部，您可以使用以下命令检查TensorFlow版本： import tensorflow as tfprint(tf.__version__) 如果版本是2.0或更高版本，则表明您已经成功配置了TensorFlow 2 PAI环境。
精勤思AM 2023-11-28 2:53:00 2 TensorFlow 2.0 及以上版本已经支持在多可用区环境下部署，可以实现高可用性和容灾能力。在 TensorFlow 中，可以使用 Kubernetes 进行多可用区部署。Kubernetes 是一种开源的容器编排系统，可以帮助用户自动化部署、扩展和管理容器化应用程序。 使用 Kubernetes 部署 TensorFlow 时，可以使用 StatefulSet 对 TensorFlow 的副本进行管理，并通过 Service 和 Ingress 实现负载均衡和路由。在进行多可用区部署时，需要在不同的可用区中创建 Kubernetes 集群，并在集群之间进行数据同步和容灾切换。 需要注意的是，多可用区部署可能会增加一定的成本和复杂度，需要根据实际情况进行权衡和调整。同时，也需要对 Kubernetes 和 TensorFlow 有一定的了解和掌握，才能实现有效的多可用区部署。
ReaganYoungAM 2023-11-28 2:53:00 3 SAE目前已经支持TensorFlow 2.0及以上版本。您可以在SAE中使用TensorFlow 2.0及以上版本来开发和部署机器学习模型。同时，SAE还支持其他流行的深度学习框架，例如PyTorch、MXNet、Caffe等。如果您需要在SAE上部署和运行深度学习模型，可以选择适合您的框架，并按照SAE提供的文档进行操作。
六月的雨在钉钉AM 2023-11-28 2:53:00 4 机器学习PAI在TenserFlow组件中最高支持1.15，如果有更高版本需求，可以使用自定义Python脚本组件，支持选择更多版本及镜像，参考操作文档：Python脚本V2文档
目前阿里云机器学习PAI已经支持TensorFlow 2.0。您可以通过如下方式在PAI中创建使用TensorFlow 2.0的计算环境：
创建PAI Notebook
在PAI控制台中，选择“Notebook”服务，然后创建一个新的Notebook。
选择TensorFlow 2环境
在Notebook创建界面，选择“TensorFlow 2”环境，然后设置所需的CPU或GPU规格。您还可以设置其他选项，例如存储容量、共享模式等。
运行Notebook
创建完成后，您可以通过访问Notebook的Web界面运行TensorFlow 2.0代码。在Notebook内部，您可以使用以下命令检查TensorFlow版本：
如果版本是2.0或更高版本，则表明您已经成功配置了TensorFlow 2 PAI环境。
TensorFlow 2.0 及以上版本已经支持在多可用区环境下部署，可以实现高可用性和容灾能力。在 TensorFlow 中，可以使用 Kubernetes 进行多可用区部署。Kubernetes 是一种开源的容器编排系统，可以帮助用户自动化部署、扩展和管理容器化应用程序。
使用 Kubernetes 部署 TensorFlow 时，可以使用 StatefulSet 对 TensorFlow 的副本进行管理，并通过 Service 和 Ingress 实现负载均衡和路由。在进行多可用区部署时，需要在不同的可用区中创建 Kubernetes 集群，并在集群之间进行数据同步和容灾切换。
需要注意的是，多可用区部署可能会增加一定的成本和复杂度，需要根据实际情况进行权衡和调整。同时，也需要对 Kubernetes 和 TensorFlow 有一定的了解和掌握，才能实现有效的多可用区部署。
SAE目前已经支持TensorFlow 2.0及以上版本。您可以在SAE中使用TensorFlow 2.0及以上版本来开发和部署机器学习模型。同时，SAE还支持其他流行的深度学习框架，例如PyTorch、MXNet、Caffe等。如果您需要在SAE上部署和运行深度学习模型，可以选择适合您的框架，并按照SAE提供的文档进行操作。
机器学习PAI在TenserFlow组件中最高支持1.15，如果有更高版本需求，可以使用自定义Python脚本组件，支持选择更多版本及镜像，参考操作文档：Python脚本V2文档
这个具体得看官方是否支持了
没有 此回答整理自钉钉群EPL用户交流群