kubeflow/training-operator 运行 Kubeflow Training Operator，监听 Training Job CR 创建分布式 PyTorch/TensorFlow/MPI 训练 Pod 组。定位为 K8s ML 训练 Operator 控制器，需 GPU 节点与 RBAC；大规模分布式模型训练、Kubeflow Pipelines 训练步骤或 MLOps 自动化训练调度。

快速启动

docker pull docker.io/kubeflow/training-operator:v1.8.0
# kubectl apply -f training-operator manifests

推荐实践

# 创建 PyTorchJob CR 指定 worker/replica
# Operator 自动管理 Pod 生命周期

核心参数说明

• CR — PyTorchJob/TFJob/MPIJob
• GPU — 训练 Pod 需 nvidia.com/gpu
• RBAC — 集群级控制器权限
• 勿 — 独立 docker run 训练任务