小编来分享一篇个人对Google推出AI Hub和Kubeflow管道以简化ML部署相关分析，众所周知，无论是在坊间民众，还是在汽车媒体的议论中，都是不错的，至于产品到底香不香，通过测试还是可以对Google推出AI Hub和Kubeflow管道以简化ML部署的产品力分析分析的，一起来看看吧!

Google正在推出两种新工具，一种是专有工具，另一种是开放源代码：AI Hub和Kubeflow管道。两者均旨在协助数据科学家设计，启动和跟踪其机器学习算法。

借助AI Hub和Kubeflow管道，Google 将于 1月份公布其较早版本的Cloud AutoML，并继续其简化和加快客户适应Google AI技术和服务的能力的战略。Cloud ML Platform的工程总监Hussein Mehanna在博客中写道：

我们的目标是使AI覆盖所有业务。但这意味着降低准入门槛。这就是为什么我们在构建所有AI产品时会牢记三个想法的原因：简化它们，使更多的企业可以采纳它们，使它们对最广泛的组织实用，并使其快速进展，以便企业可以迭代并更快地获得成功。

Google引入了AI Hub，使AI可以更广泛地接触企业，使他们更容易发现，共享和重用现有工具和工作。此外，AI Hub是ML内容的一站式目的地，例如管道，Jupyter笔记本和TensorFlow模块。根据Mehanna所说的好处是：

由Google Cloud AI，Google Research和其他Google团队开辟的高质量ML资源对所有企业都是公开可用的。

Google提供了一个安全的私有中心，企业可以在其中上载和共享组织内的ML资源。该中心使企业可以轻松地重复使用管道并将其部署到GCP或使用Kubeflow Pipeline系统的混合基础架构上的生产中，只需几个步骤。

接下来，作为组织可以发现，共享和重用ML资源的中心，他们还可以使用Kubeflow Pipelines构建和打包ML资源。Kubeflow管道是Kubeflow的扩展，Kubeflow是在Kubernetes之上开辟的开放源代码框架，专门为机器学习而设计。这些管道本质上是容器化的构建块，用户可以将它们串在一起以构建和治理机器学习工作流。