[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kubeflow--katib":3,"tool-kubeflow--katib":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":119,"forks":120,"last_commit_at":121,"license":122,"difficulty_score":123,"env_os":124,"env_gpu":125,"env_ram":126,"env_deps":127,"category_tags":140,"github_topics":141,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":155,"updated_at":156,"faqs":157,"releases":187},6502,"kubeflow\u002Fkatib","katib","Automated Machine Learning on Kubernetes","Katib 是一个专为 Kubernetes 环境设计的自动化机器学习（AutoML）项目，旨在帮助开发者高效地优化模型性能。在机器学习实践中，手动调整超参数、寻找最佳神经网络结构或判断训练何时停止往往耗时且依赖经验，Katib 正是为了解决这些痛点而生。它能够自动执行超参数调优、神经网络架构搜索（NAS）以及早期停止策略，从而大幅减少人工试错成本，提升模型迭代效率。\n\n这款工具特别适合需要在大规模集群上开展实验的 AI 工程师、数据科学家及研究人员。无论您使用的是 TensorFlow、PyTorch、XGBoost 还是其他框架，甚至是用任意编程语言编写的应用，Katib 都能无缝集成并发挥作用。其核心亮点在于高度的框架无关性和灵活的扩展能力：它不仅原生支持多种主流机器学习库，还能利用 Kubernetes 的自定义资源调度训练任务，兼容 Kubeflow Training Operator、Argo Workflows 等多种编排工具。此外，Katib 内置了随机搜索、网格搜索、贝叶斯优化等多种算法，并允许用户自定义搜索策略。正如其阿拉伯语原名“秘书”所寓意的那样，Katib 就","Katib 是一个专为 Kubernetes 环境设计的自动化机器学习（AutoML）项目，旨在帮助开发者高效地优化模型性能。在机器学习实践中，手动调整超参数、寻找最佳神经网络结构或判断训练何时停止往往耗时且依赖经验，Katib 正是为了解决这些痛点而生。它能够自动执行超参数调优、神经网络架构搜索（NAS）以及早期停止策略，从而大幅减少人工试错成本，提升模型迭代效率。\n\n这款工具特别适合需要在大规模集群上开展实验的 AI 工程师、数据科学家及研究人员。无论您使用的是 TensorFlow、PyTorch、XGBoost 还是其他框架，甚至是用任意编程语言编写的应用，Katib 都能无缝集成并发挥作用。其核心亮点在于高度的框架无关性和灵活的扩展能力：它不仅原生支持多种主流机器学习库，还能利用 Kubernetes 的自定义资源调度训练任务，兼容 Kubeflow Training Operator、Argo Workflows 等多种编排工具。此外，Katib 内置了随机搜索、网格搜索、贝叶斯优化等多种算法，并允许用户自定义搜索策略。正如其阿拉伯语原名“秘书”所寓意的那样，Katib 就像一位得力的智能助手，帮您打理繁琐的模型调优工作，让您更专注于核心算法创新。","# Kubeflow Katib\n\n[![Build Status](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Factions\u002Fworkflows\u002Ftest-go.yaml\u002Fbadge.svg?branch=master)](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Factions\u002Fworkflows\u002Ftest-go.yaml?branch=master)\n[![Coverage Status](https:\u002F\u002Fcoveralls.io\u002Frepos\u002Fgithub\u002Fkubeflow\u002Fkatib\u002Fbadge.svg?branch=master)](https:\u002F\u002Fcoveralls.io\u002Fgithub\u002Fkubeflow\u002Fkatib?branch=master)\n[![Go Report Card](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkubeflow_katib_readme_2b4a70945b89.png)](https:\u002F\u002Fgoreportcard.com\u002Freport\u002Fgithub.com\u002Fkubeflow\u002Fkatib)\n[![Releases](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Frelease-pre\u002Fkubeflow\u002Fkatib.svg?sort=semver)](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Freleases)\n[![Slack Status](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fslack-join_chat-white.svg?logo=slack&style=social)](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fabout\u002Fcommunity\u002F#kubeflow-slack-channels)\n[![OpenSSF Best Practices](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkubeflow_katib_readme_43b29938ccd7.png)](https:\u002F\u002Fwww.bestpractices.dev\u002Fprojects\u002F9941)\n[![FOSSA Status](https:\u002F\u002Fapp.fossa.com\u002Fapi\u002Fprojects\u002Fgit%2Bgithub.com%2Fkubeflow%2Fkatib.svg?type=shield)](https:\u002F\u002Fapp.fossa.com\u002Fprojects\u002Fgit%2Bgithub.com%2Fkubeflow%2Fkatib?ref=badge_shield)\n\n\u003Ch1 align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkubeflow_katib_readme_1336f6b879dc.png\" alt=\"logo\" width=\"200\">\n  \u003Cbr>\n\u003C\u002Fh1>\n\nKubeflow Katib is a Kubernetes-native project for automated machine learning (AutoML).\nKatib supports\n[Hyperparameter Tuning](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FHyperparameter_optimization),\n[Early Stopping](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FEarly_stopping) and\n[Neural Architecture Search](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FNeural_architecture_search).\n\nKatib is the project which is agnostic to machine learning (ML) frameworks.\nIt can tune hyperparameters of applications written in any language of the\nusers’ choice and natively supports many ML frameworks, such as\n[TensorFlow](https:\u002F\u002Fwww.tensorflow.org\u002F), [PyTorch](https:\u002F\u002Fpytorch.org\u002F), [XGBoost](https:\u002F\u002Fxgboost.readthedocs.io\u002Fen\u002Flatest\u002F), and others.\n\nKatib can perform training jobs using any Kubernetes\n[Custom Resources](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Ftrial-template\u002F)\nwith out of the box support for [Kubeflow Training Operator](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Ftraining-operator),\n[Argo Workflows](https:\u002F\u002Fgithub.com\u002Fargoproj\u002Fargo-workflows), [Tekton Pipelines](https:\u002F\u002Fgithub.com\u002Ftektoncd\u002Fpipeline)\nand many more.\n\nKatib stands for `secretary` in Arabic.\n\n## Search Algorithms\n\nKatib supports several search algorithms. Follow the\n[Kubeflow documentation](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fuser-guides\u002Fhp-tuning\u002Fconfigure-algorithm\u002F#hp-tuning-algorithms)\nto know more about each algorithm and check the\n[this guide](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fuser-guides\u002Fhp-tuning\u002Fconfigure-algorithm\u002F#use-custom-algorithm-in-katib)\nto implement your custom algorithm.\n\n\u003Ctable>\n  \u003Ctbody>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Cb>Hyperparameter Tuning\u003C\u002Fb>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Cb>Neural Architecture Search\u003C\u002Fb>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Cb>Early Stopping\u003C\u002Fb>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#random-search\">Random Search\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#neural-architecture-search-based-on-enas\">ENAS\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fearly-stopping\u002F#median-stopping-rule\">Median Stop\u003C\u002Fa>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#grid-search\">Grid Search\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#differentiable-architecture-search-darts\">DARTS\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#bayesian-optimization\">Bayesian Optimization\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#tree-of-parzen-estimators-tpe\">TPE\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#multivariate-tpe\">Multivariate TPE\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#covariance-matrix-adaptation-evolution-strategy-cma-es\">CMA-ES\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#sobols-quasirandom-sequence\">Sobol's Quasirandom Sequence\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#hyperband\">HyperBand\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#pbt\">Population Based Training\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\nTo perform the above algorithms Katib supports the following frameworks:\n\n- [Goptuna](https:\u002F\u002Fgithub.com\u002Fc-bata\u002Fgoptuna)\n- [Hyperopt](https:\u002F\u002Fgithub.com\u002Fhyperopt\u002Fhyperopt)\n- [Optuna](https:\u002F\u002Fgithub.com\u002Foptuna\u002Foptuna)\n- [Scikit Optimize](https:\u002F\u002Fgithub.com\u002Fscikit-optimize\u002Fscikit-optimize)\n\n## Prerequisites\n\nPlease check [the official Kubeflow documentation](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Finstallation\u002F#prerequisites)\nfor prerequisites to install Katib.\n\n## Installation\n\nPlease follow [the Kubeflow Katib guide](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Finstallation\u002F#installing-katib)\nfor the detailed instructions on how to install Katib.\n\n### Installing the Control Plane\n\nRun the following command to install the latest stable release of Katib control plane:\n\n```\nkubectl apply -k \"github.com\u002Fkubeflow\u002Fkatib.git\u002Fmanifests\u002Fv1beta1\u002Finstalls\u002Fkatib-standalone?ref=v0.17.0\"\n```\n\nRun the following command to install the latest changes of Katib control plane:\n\n```\nkubectl apply -k \"github.com\u002Fkubeflow\u002Fkatib.git\u002Fmanifests\u002Fv1beta1\u002Finstalls\u002Fkatib-standalone?ref=master\"\n```\n\nFor the Katib Experiments check the [complete examples list](.\u002Fexamples\u002Fv1beta1).\n\n### Installing the Python SDK\n\nKatib implements [a Python SDK](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkubeflow-katib\u002F) to simplify creation of\nhyperparameter tuning jobs for Data Scientists.\n\nRun the following command to install the latest stable release of Katib SDK:\n\n```sh\npip install -U kubeflow-katib\n```\n\n## Getting Started\n\nPlease refer to [the getting started guide](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fgetting-started\u002F#getting-started-with-katib-python-sdk)\nto quickly create your first hyperparameter tuning Experiment using the Python SDK.\n\n## Community\n\nThe following links provide information on how to get involved in the community:\n\n- Attend [the bi-weekly AutoML and Training Working Group](https:\u002F\u002Fbit.ly\u002F2PWVCkV)\n  community meeting.\n- Join our [`#kubeflow-katib`](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fabout\u002Fcommunity\u002F#kubeflow-slack-channels)\n  Slack channel.\n- Check out [who is using Katib](ADOPTERS.md) and [presentations about Katib project](docs\u002Fpresentations.md).\n\n## Contributing\n\nPlease refer to the [CONTRIBUTING guide](CONTRIBUTING.md).\n\n## Citation\n\nIf you use Katib in a scientific publication, we would appreciate\ncitations to the following paper:\n\n[A Scalable and Cloud-Native Hyperparameter Tuning System](https:\u002F\u002Farxiv.org\u002Fabs\u002F2006.02085), George _et al._, arXiv:2006.02085, 2020.\n\nBibtex entry:\n\n```\n@misc{george2020katib,\n    title={A Scalable and Cloud-Native Hyperparameter Tuning System},\n    author={Johnu George and Ce Gao and Richard Liu and Hou Gang Liu and Yuan Tang and Ramdoot Pydipaty and Amit Kumar Saha},\n    year={2020},\n    eprint={2006.02085},\n    archivePrefix={arXiv},\n    primaryClass={cs.DC}\n}\n```\n","# Kubeflow Katib\n\n[![构建状态](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Factions\u002Fworkflows\u002Ftest-go.yaml\u002Fbadge.svg?branch=master)](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Factions\u002Fworkflows\u002Ftest-go.yaml?branch=master)\n[![覆盖率状态](https:\u002F\u002Fcoveralls.io\u002Frepos\u002Fgithub\u002Fkubeflow\u002Fkatib\u002Fbadge.svg?branch=master)](https:\u002F\u002Fcoveralls.io\u002Fgithub\u002Fkubeflow\u002Fkatib?branch=master)\n[![Go Report Card](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkubeflow_katib_readme_2b4a70945b89.png)](https:\u002F\u002Fgoreportcard.com\u002Freport\u002Fgithub.com\u002Fkubeflow\u002Fkatib)\n[![发布版本](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Frelease-pre\u002Fkubeflow\u002Fkatib.svg?sort=semver)](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Freleases)\n[![Slack 状态](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fslack-join_chat-white.svg?logo=slack&style=social)](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fabout\u002Fcommunity\u002F#kubeflow-slack-channels)\n[![OpenSSF 最佳实践](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkubeflow_katib_readme_43b29938ccd7.png)](https:\u002F\u002Fwww.bestpractices.dev\u002Fprojects\u002F9941)\n[![FOSSA 状态](https:\u002F\u002Fapp.fossa.com\u002Fapi\u002Fprojects\u002Fgit%2Bgithub.com%2Fkubeflow%2Fkatib.svg?type=shield)](https:\u002F\u002Fapp.fossa.com\u002Fprojects\u002Fgit%2Bgithub.com%2Fkubeflow%2Fkatib?ref=badge_shield)\n\n\u003Ch1 align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkubeflow_katib_readme_1336f6b879dc.png\" alt=\"logo\" width=\"200\">\n  \u003Cbr>\n\u003C\u002Fh1>\n\nKubeflow Katib 是一个原生运行于 Kubernetes 上的自动化机器学习（AutoML）项目。\nKatib 支持\n[超参数调优](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FHyperparameter_optimization)、\n[早停法](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FEarly_stopping) 和\n[神经架构搜索](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FNeural_architecture_search)。\n\nKatib 是一个与机器学习框架无关的项目。\n它可以对用户选择的任何语言编写的应用程序进行超参数调优，并且原生支持多种机器学习框架，例如\n[TensorFlow](https:\u002F\u002Fwww.tensorflow.org\u002F)、\n[PyTorch](https:\u002F\u002Fpytorch.org\u002F)、\n[XGBoost](https:\u002F\u002Fxgboost.readthedocs.io\u002Fen\u002Flatest\u002F) 等等。\n\nKatib 可以使用任何 Kubernetes\n[自定义资源](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Ftrial-template\u002F)\n来执行训练任务，并且开箱即用地支持\n[Kubeflow Training Operator](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Ftraining-operator)、\n[Argo Workflows](https:\u002F\u002Fgithub.com\u002Fargoproj\u002Fargo-workflows)、\n[Tekton Pipelines](https:\u002F\u002Fgithub.com\u002Ftektoncd\u002Fpipeline)\n以及其他许多工具。\n\n“Katib”在阿拉伯语中意为“秘书”。\n\n## 搜索算法\n\nKatib 支持多种搜索算法。请参阅\n[Kubeflow 文档](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fuser-guides\u002Fhp-tuning\u002Fconfigure-algorithm\u002F#hp-tuning-algorithms)\n以了解每种算法的详细信息，并查看\n[此指南](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fuser-guides\u002Fhp-tuning\u002Fconfigure-algorithm\u002F#use-custom-algorithm-in-katib)\n以实现您自定义的算法。\n\n\u003Ctable>\n  \u003Ctbody>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Cb>超参数调优\u003C\u002Fb>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Cb>神经架构搜索\u003C\u002Fb>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Cb>早停法\u003C\u002Fb>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#random-search\">随机搜索\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#neural-architecture-search-based-on-enas\">ENAS\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fearly-stopping\u002F#median-stopping-rule\">中位数停止规则\u003C\u002Fa>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#grid-search\">网格搜索\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#differentiable-architecture-search-darts\">DARTS\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#bayesian-optimization\">贝叶斯优化\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#tree-of-parzen-estimators-tpe\">TPE\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#multivariate-tpe\">多变量 TPE\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#covariance-matrix-adaptation-evolution-strategy-cma-es\">CMA-ES\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#sobols-quasirandom-sequence\">索博尔准随机序列\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#hyperband\">HyperBand\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr align=\"center\">\n      \u003Ctd>\n        \u003Ca href=\"https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fexperiment\u002F#pbt\">基于人群的训练\u003C\u002Fa>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n      \u003Ctd>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n为了执行上述算法，Katib 支持以下框架：\n\n- [Goptuna](https:\u002F\u002Fgithub.com\u002Fc-bata\u002Fgoptuna)\n- [Hyperopt](https:\u002F\u002Fgithub.com\u002Fhyperopt\u002Fhyperopt)\n- [Optuna](https:\u002F\u002Fgithub.com\u002Foptuna\u002Foptuna)\n- [Scikit Optimize](https:\u002F\u002Fgithub.com\u002Fscikit-optimize\u002Fscikit-optimize)\n\n## 先决条件\n\n请查阅 [官方 Kubeflow 文档](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Finstallation\u002F#prerequisites)\n以了解安装 Katib 的先决条件。\n\n## 安装\n\n请按照 [Kubeflow Katib 指南](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Finstallation\u002F#installing-katib)\n中的详细说明来安装 Katib。\n\n### 安装控制平面\n\n运行以下命令以安装 Katib 控制平面的最新稳定版本：\n\n```\nkubectl apply -k \"github.com\u002Fkubeflow\u002Fkatib.git\u002Fmanifests\u002Fv1beta1\u002Finstalls\u002Fkatib-standalone?ref=v0.17.0\"\n```\n\n运行以下命令以安装 Katib 控制平面的最新更改：\n\n```\nkubectl apply -k \"github.com\u002Fkubeflow\u002Fkatib.git\u002Fmanifests\u002Fv1beta1\u002Finstalls\u002Fkatib-standalone?ref=master\"\n```\n\n有关 Katib 实验，请参阅 [完整示例列表](.\u002Fexamples\u002Fv1beta1)。\n\n### 安装 Python SDK\n\nKatib 实现了 [Python SDK](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkubeflow-katib\u002F)，\n以简化数据科学家创建超参数调优作业的过程。\n\n运行以下命令以安装 Katib SDK 的最新稳定版本：\n\n```sh\npip install -U kubeflow-katib\n```\n\n## 入门\n\n请参阅[入门指南](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Fgetting-started\u002F#getting-started-with-katib-python-sdk)，使用 Python SDK 快速创建您的第一个超参数调优实验。\n\n## 社区\n\n以下链接提供了有关如何参与社区的信息：\n\n- 参加[每两周一次的 AutoML 和训练工作组](https:\u002F\u002Fbit.ly\u002F2PWVCkV)社区会议。\n- 加入我们的 [`#kubeflow-katib`](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fabout\u002Fcommunity\u002F#kubeflow-slack-channels) Slack 频道。\n- 查看[哪些组织正在使用 Katib](ADOPTERS.md) 以及[关于 Katib 项目的演讲](docs\u002Fpresentations.md)。\n\n## 贡献\n\n请参阅[贡献指南](CONTRIBUTING.md)。\n\n## 引用\n\n如果您在科学出版物中使用 Katib，我们非常感谢您引用以下论文：\n\n[可扩展且云原生的超参数调优系统](https:\u002F\u002Farxiv.org\u002Fabs\u002F2006.02085), George 等, arXiv:2006.02085, 2020。\n\nBibTeX 条目如下：\n\n```\n@misc{george2020katib,\n    title={A Scalable and Cloud-Native Hyperparameter Tuning System},\n    author={Johnu George and Ce Gao and Richard Liu and Hou Gang Liu and Yuan Tang and Ramdoot Pydipaty and Amit Kumar Saha},\n    year={2020},\n    eprint={2006.02085},\n    archivePrefix={arXiv},\n    primaryClass={cs.DC}\n}\n```","# Kubeflow Katib 快速上手指南\n\nKubeflow Katib 是一个云原生的自动化机器学习（AutoML）项目，专注于超参数调优、早期停止和神经网络架构搜索。它不依赖特定的机器学习框架，支持 TensorFlow、PyTorch、XGBoost 等，并能在任意 Kubernetes Custom Resources 上运行训练任务。\n\n## 环境准备\n\n在开始之前，请确保满足以下前置条件：\n\n*   **Kubernetes 集群**：需要一个正常运行的 Kubernetes 集群（版本建议 1.23+）。\n*   **kubectl 工具**：已安装并配置好与集群的通信。\n*   **Python 环境**：若使用 Python SDK，需安装 Python 3.8+ 及 pip。\n*   **前置依赖**：详细的前置要求请参考 [Kubeflow 官方文档](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002Finstallation\u002F#prerequisites)。\n\n> **提示**：国内用户若拉取 GitHub 资源或 Docker 镜像较慢，建议配置国内镜像加速器或使用代理。\n\n## 安装步骤\n\n### 1. 安装控制平面 (Control Plane)\n\n使用 `kubectl` 直接部署最新稳定版（v0.17.0）的 Katib 控制平面：\n\n```bash\nkubectl apply -k \"github.com\u002Fkubeflow\u002Fkatib.git\u002Fmanifests\u002Fv1beta1\u002Finstalls\u002Fkatib-standalone?ref=v0.17.0\"\n```\n\n若需体验最新开发版功能，可执行：\n\n```bash\nkubectl apply -k \"github.com\u002Fkubeflow\u002Fkatib.git\u002Fmanifests\u002Fv1beta1\u002Finstalls\u002Fkatib-standalone?ref=master\"\n```\n\n安装完成后，可通过以下命令检查 Pod 状态（通常在 `kubeflow` 命名空间下）：\n```bash\nkubectl get pods -n kubeflow\n```\n\n### 2. 安装 Python SDK\n\n为了方便数据科学家创建调优实验，推荐安装官方 Python SDK：\n\n```sh\npip install -U kubeflow-katib\n```\n\n> **国内加速建议**：如果 pip 下载速度慢，可使用清华或阿里源：\n> ```sh\n> pip install -U kubeflow-katib -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 基本使用\n\n以下是最简单的使用示例，展示如何通过 Python SDK 创建一个随机搜索（Random Search）的超参数调优实验。\n\n### 示例：简单的超参数调优\n\n假设你有一个训练脚本 `train.py`，该脚本接受 `--lr` (学习率) 和 `--num-layers` (层数) 参数。\n\n```python\nfrom kubeflow.katib import KFClient\nfrom kubeflow.katib.constants import constants\n\n# 初始化客户端\nkf_client = KFClient()\n\n# 定义实验名称和命名空间\nexperiment_name = \"hp-tuning-example\"\nnamespace = \"kubeflow\"\n\n# 定义超参数搜索空间\nparameters = [\n    {\n        \"name\": \"--lr\",\n        \"parameterType\": \"double\",\n        \"feasibleSpace\": {\"min\": \"0.01\", \"max\": \"0.1\"},\n    },\n    {\n        \"name\": \"--num-layers\",\n        \"parameterType\": \"int\",\n        \"feasibleSpace\": {\"min\": \"2\", \"max\": \"5\"},\n    },\n]\n\n# 定义试验模板 (Trial Template)\n# 这里假设使用 PyTorchJob 或其他支持的 CRD，此处以通用容器命令为例\ntrial_template = {\n    \"goTemplate\": {\n        \"rawTemplate\": \"\"\"\napiVersion: batch\u002Fv1\nkind: Job\nmetadata:\n  name: {{.Trial}}\n  namespace: {{.Namespace}}\nspec:\n  template:\n    spec:\n      containers:\n        - name: training-container\n          image: python:3.8\n          command:\n            - \"python\"\n            - \"\u002Fopt\u002Ftrain.py\"\n            - \"--lr=${trialParameters.learningRate}\"\n            - \"--num-layers=${trialParameters.numberLayers}\"\n          volumeMounts:\n            - mountPath: \u002Fopt\n              name: training-code\n      volumes:\n        - name: training-code\n          configMap:\n            name: train-script-config\n      restartPolicy: Never\n        \"\"\"\n    },\n    \"trialParameters\": [\n        {\"name\": \"learningRate\", \"description\": \"Learning rate for the training model\", \"reference\": \"--lr\"},\n        {\"name\": \"numberLayers\", \"description\": \"Number of layers for the training model\", \"reference\": \"--num-layers\"},\n    ],\n}\n\n# 创建实验\nkf_client.create_experiment(\n    name=experiment_name,\n    namespace=namespace,\n    parameters=parameters,\n    trial_template=trial_template,\n    algorithm=\"random\",  # 使用随机搜索算法\n    max_trial_count=12,  # 最大试验次数\n    parallel_trial_count=3,  # 并行试验数\n    objective={\n        \"type\": \"maximize\",\n        \"goal\": 0.99,\n        \"metricName\": \"accuracy\",\n    },\n)\n\nprint(f\"Experiment {experiment_name} has been created.\")\n```\n\n### 查看结果\n\n实验提交后，可以使用以下命令查看实验状态和最佳超参数组合：\n\n```bash\nkubectl get experiments -n kubeflow\nkubectl describe experiment \u003Cexperiment-name> -n kubeflow\n```\n\n或者在 Python 中获取结果：\n\n```python\nkf_client.get_experiment(experiment_name, namespace)\n```\n\n更多复杂的算法（如贝叶斯优化、TPE、NAS 等）和高级配置，请参考 [Kubeflow 官方文档](https:\u002F\u002Fwww.kubeflow.org\u002Fdocs\u002Fcomponents\u002Fkatib\u002F)。","某电商推荐算法团队需要在 Kubernetes 集群上优化深度排序模型，以应对大促期间的流量高峰。\n\n### 没有 katib 时\n- **人工调参效率低下**：数据科学家需手动编写脚本遍历学习率、批次大小等参数组合，耗费数周时间仅能测试少量配置。\n- **计算资源严重浪费**：表现差的训练任务无法自动识别，一直占用昂贵的 GPU 资源跑完整个周期，导致集群排队拥堵。\n- **框架适配成本高**：团队混合使用 PyTorch 和 XGBoost，为不同框架重复开发调参逻辑，维护困难且容易出错。\n- **网络结构探索受限**：受限于人力，不敢尝试复杂的神经网络架构搜索（NAS），只能沿用旧有模型结构，错失性能提升机会。\n\n### 使用 katib 后\n- **自动化超参数寻优**：通过定义一次实验配置，katib 利用贝叶斯优化等算法自动并发执行数百次试验，将调参周期从数周缩短至两天。\n- **智能早期停止机制**：内置的“中位数停止”策略实时监测指标，自动终止表现不佳的 Trial，节省了近 40% 的 GPU 算力成本。\n- **统一框架支持**：katib 原生适配 TensorFlow、PyTorch 等多种框架，团队无需修改代码即可统一管理所有模型的调优流程。\n- **自动架构搜索**：轻松启用 ENAS 或 DARTS 算法自动探索最优网络层级与连接方式，最终模型点击通过率（CTR）提升了 1.5%。\n\nkatib 将繁琐的人工调参转化为标准化的自动化流程，让算法团队能专注于业务逻辑而非基础设施细节，显著提升了模型迭代速度与资源利用率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkubeflow_katib_1336f6b8.png","kubeflow","Kubeflow","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkubeflow_2a631e53.png","Kubeflow is an open, community driven project to make it easy to deploy and manage an ML stack on Kubernetes",null,"https:\u002F\u002Fkubeflow.org","https:\u002F\u002Fgithub.com\u002Fkubeflow",[81,85,89,93,96,100,104,108,112,116],{"name":82,"color":83,"percentage":84},"Python","#3572A5",67.7,{"name":86,"color":87,"percentage":88},"Go","#00ADD8",21.2,{"name":90,"color":91,"percentage":92},"TypeScript","#3178c6",5.7,{"name":94,"color":95,"percentage":10},"HTML","#e34c26",{"name":97,"color":98,"percentage":99},"Shell","#89e051",1.7,{"name":101,"color":102,"percentage":103},"Dockerfile","#384d54",0.3,{"name":105,"color":106,"percentage":107},"Makefile","#427819",0.2,{"name":109,"color":110,"percentage":111},"SCSS","#c6538c",0.1,{"name":113,"color":114,"percentage":115},"JavaScript","#f1e05a",0,{"name":117,"color":118,"percentage":115},"CSS","#663399",1676,521,"2026-04-10T18:48:23","Apache-2.0",4,"未说明 (基于 Kubernetes，通常支持 Linux)","未说明 (取决于用户运行的具体机器学习框架和训练任务)","未说明 (取决于 Kubernetes 集群配置及训练任务负载)",{"notes":128,"python":129,"dependencies":130},"Katib 是一个 Kubernetes 原生项目，运行前提是需要具备可用的 Kubernetes 集群。它本身不依赖特定的操作系统或 GPU，而是通过调度用户在集群中定义的训练任务（如 TensorFlow、PyTorch 等）来工作。安装可通过 kubectl 应用 manifests 完成，建议使用 Python SDK 创建实验。具体的资源需求（CPU\u002FGPU\u002F内存）完全由用户提交的超参数调优实验中的训练容器决定。","未说明 (SDK 通过 pip 安装，具体版本需参考 PyPI 页面)",[131,132,133,134,135,136,137,138,139],"Kubernetes","kubeflow-katib (Python SDK)","Goptuna","Hyperopt","Optuna","Scikit Optimize","Kubeflow Training Operator (可选)","Argo Workflows (可选)","Tekton Pipelines (可选)",[14,13,15,35],[142,143,144,145,146,73,147,148,149,150,151,152,153,154],"ai","automl","huggingface","hyperparameter-tuning","jax","kubernetes","llm","machine-learning","mlops","neural-architecture-search","pytorch","scikit-learn","tensorflow","2026-03-27T02:49:30.150509","2026-04-11T10:01:53.752378",[158,163,168,173,178,183],{"id":159,"question_zh":160,"answer_zh":161,"source_url":162},29423,"如何在贝叶斯优化训练完成后收集指标结果？","如果无法收集训练指标，根本原因通常是 kube-apiserver 的 enable-admission-plugins 配置中未包含必要的两个 webhook。请检查并更新 kube-apiserver 配置，确保启用了相关的 admission plugins。","https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F930",{"id":164,"question_zh":165,"answer_zh":166,"source_url":167},29424,"部署 Katib v1alpha3 时遇到 'no matches for kind Experiment' 错误怎么办？","该错误表明在控制器启动前，Experiment 的 CRD（自定义资源定义）尚未安装成功。请确保在执行部署脚本（如 deploy.sh）后，先验证 CRD 是否已正确注册到集群中（使用 kubectl get crd），然后再启动控制器。如果是通过脚本部署，请检查脚本执行顺序或手动应用 CRD 定义文件。","https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F997",{"id":169,"question_zh":170,"answer_zh":171,"source_url":172},29425,"Katib 实验无限运行且无法完成任何一次试验（Trial）如何解决？","如果您在使用 Kale 部署面板时遇到此问题，可能是版本兼容性导致的。尝试直接在 Katib UI 中使用 YAML 脚本提交实验，而不是通过 Kale 面板。此外，可以通过命令 `kubectl get deploy katib-controller -n kubeflow -o yaml` 检查当前安装的 Katib 版本。对于某些旧版本或特定模型（如 CatBoost），可能需要在 trialTemplate 中显式使用 `goTemplate` 并指定 `apiVersion: batch\u002Fv1` 和 `kind: Job`。","https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F1490",{"id":174,"question_zh":175,"answer_zh":176,"source_url":177},29426,"旧的 Trial Template 设计（如 Go template 或 JSON 字符串）是否有改进方案？","是的，旧的 Trial Template 设计已被重新考虑并更新。项目已经引入了新的 Trial Template 机制来解决将 TFJob 序列化为 JSON 字符串或使用丑陋的 Go template 的问题。请参考 Issue #1208 和相关的 PR 以了解新的模板设计和使用方法。","https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F906",{"id":179,"question_zh":180,"answer_zh":181,"source_url":182},29427,"运行 random-example 时出现 'Method not implemented' gRPC 错误是什么原因？","虽然具体的解决步骤在提供的评论截断部分未完全显示，但该错误通常发生在 Katib Manager 与底层算法服务通信时。请确保所有 Katib 组件（controller, db, manager, ui）的版本一致且兼容。检查 katib-manager 的日志以获取更详细的堆栈信息，确认是否正确加载了指定的算法插件（如 random 或 bayesianoptimization）。","https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F981",{"id":184,"question_zh":185,"answer_zh":186,"source_url":172},29428,"如何验证 Katib 控制器的部署配置和版本信息？","可以使用以下 kubectl 命令来获取 katib-controller 的完整部署配置和镜像版本信息：`kubectl get deploy katib-controller -n kubeflow -o yaml`。这将输出包含镜像标签、环境变量和注解的详细 YAML，有助于排查版本不匹配或配置缺失的问题。",[188,193,198,203,208,213,218,223,227,232,237,242,247,252,257,262,267,272,277],{"id":189,"version":190,"summary_zh":191,"released_at":192},198255,"v0.19.0","这是 Kubeflow Katib v0.19.0 版本的发布。\n\n```\nkubectl apply -k \"github.com\u002Fkubeflow\u002Fkatib.git\u002Fmanifests\u002Fv1beta1\u002Finstalls\u002Fkatib-standalone?ref=v0.19.0\"\n```\n\n## 新特性\n\n- 功能（SDK）：支持多个 pip 镜像源 URL。([#2566](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2566) 由 @wassimbensalem 提出)\n- 为 Katib Python SDK 添加 get_job_logs() API。([#2580](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2580) 由 @adity1raut 提出)\n- 功能：在 Katib 调优 API 中添加 trial_timeout 参数。([#2568](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2568) 由 @wassimbensalem 提出)\n- 将 Kubernetes 版本升级至 1.34。([#2573](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2573) 由 @Electronic-Waste 提出)\n- 将 Kubernetes 版本升级至 1.33，并将 Go 版本升级至 1.24。([#2572](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2572) 由 @Electronic-Waste 提出)\n- 将 Kubernetes 版本升级至 1.32.2。([#2521](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2521) 由 @Electronic-Waste 提出)\n- 为 TrainJob 添加开箱即用的支持。([#2560](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2560) 由 @ram4444 提出)\n\n## Bug 修复\n\n- 修复（metrics-collector）：使用严格校验获取远程镜像。([#2583](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2583) 由 @andreyvelich 提出)\n- 修复（controller）：修复创建 TrainJobs 的 RBAC 权限问题。([#2581](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2581) 由 @andreyvelich 提出）\n- [SDK] 修复 LoraConfig 序列化问题。([#2567](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2567) 由 @Hexoplon 提出）\n- 通过将注解改为标签，修复 Istio Sidecar 注入问题。([#2527](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2527) 由 @madmecodes 提出）\n- 修复 PSS 限制警告。([#2528](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2528) 由 @akagami-harsh 提出）\n\n## 其他\n\n- 功能（发布）：更新 Katib 发布脚本以发布 SDK 模型。([#2584](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2584) 由 @andreyvelich 提出）\n- 杂项（models）：将模型移至 kubeflow_katib_api 包。([#2579](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2579) 由 @kramaranya 提出）\n- 推荐 @Electronic-Waste 成为 Approver。([#2574](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2574) 由 @Electronic-Waste 提出）\n- 添加许可证扫描报告及状态。([#2564](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2564) 由 @fossabot 提出）\n- 杂项：将 go-containerregistry 升级至 v0.20.6。([#2575](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2575) 由 @andreyvelich 提出）\n- 杂项（deps）：将 golang.org\u002Fx\u002Foauth2 从 0.21.0 升级至 0.27.0。([#2558](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2558) 由 [@dependabot[bot]](https:\u002F\u002Fgithub.com\u002Fapps\u002Fdependabot) 提出）\n- 功能（CI）：添加 Trivy 漏洞扫描。([#2570](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2570) 由 @andreyvelich 提出）\n- tenzen-y 辞去 Katib Approver 职位。([#2561](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2561) 由 @tenzen-y 提出）\n- 将 golang.org\u002Fx\u002Fcrypto 从 0.31.0 升级至 0.35.0。([#2543](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2543) 由 [@dependabot[bot]](https:\u002F\u002Fgithub.com\u002Fapps\u002Fdependabot) 提出）\n- 杂项：将 Go 版本升级至 1.23。([#2526](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2526) 由 @tenzen-y 提出）\n- 功能（文档）：安全报告指南","2025-10-30T23:58:41",{"id":194,"version":195,"summary_zh":196,"released_at":197},198256,"v0.18.0","这是 Katib v0.18.0 版本的发布。\n\n主要亮点：\n\n- [KEP-2339](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Ftree\u002Fmaster\u002Fdocs\u002Fproposals\u002F2339-hpo-for-llm-fine-tuning)：针对 LLM 微调的超参数优化。\n- [KEP-2340](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Ftree\u002Fmaster\u002Fdocs\u002Fproposals\u002F2340-push-based-metrics-collector)：支持基于推送的指标收集。\n- [KEP-2374](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Ftree\u002Fmaster\u002Fdocs\u002Fproposals\u002F2374-parameter-distribution)：高级参数分布，如均匀分布、对数均匀分布、正态分布和对数正态分布。\n\n\n## 破坏性变更\n\n- 将 Katib 清单中的镜像引用迁移到 ghcr（由 @saileshd1402 提交的 [#2535](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2535)）\n- 将 Docker 镜像迁移到 ghcr（由 @mahdikhashan 提交的 [#2531](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2531)）\n- 将 Kubernetes 升级至 v1.31.3（由 @Electronic-Waste 提交的 [#2478](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2478)）\n- 将 Kubernetes 升级至 v1.30.7（由 @Electronic-Waste 提交的 [#2463](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2463)）\n- 在 SDK 中弃用 Python 3.7，并支持 Python 3.11（由 @tenzen-y 提交的 [#2337](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2337)）\n\n## 新特性\n\n### LLM 超参数优化\n\n- [DOCS] 将 LLM 超参数优化设计图移至提案目录并重命名（由 @mahdikhashan 提交的 [#2472](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2472)）\n- [GSoC] 更新用于 LLM 超参数优化的 `tune` API（由 @helenxie-bit 提交的 [#2393](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2393)）\n- [GSoC] 创建 LLM 超参数优化 API 提案（由 @helenxie-bit 提交的 [#2333](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2333)）\n\n### 支持 HPO 的高级分布\n\n- [GSOC] 更新 `optuna` 建议服务逻辑（由 @shashank-iitbhu 提交的 [#2446](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2446)）\n- [GSOC] 更新 `hyperopt` 建议服务逻辑（由 @shashank-iitbhu 提交的 [#2412](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2412)）\n- [GSOC] 添加可行空间分布验证器（由 @shashank-iitbhu 提交的 [#2404](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2404)）\n- [GSOC] 在建议客户端中添加未知分布和 convertDistribution 功能（由 @shashank-iitbhu 提交的 [#2403](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2403)）\n- [GSOC] 在 Katib 中支持多种参数分布（由 @shashank-iitbhu 提交的 [#2334](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2334)）\n- [GSoC] 向 Experiment API 添加 `DistributionType` 枚举（由 @shashank-iitbhu 提交的 [#2377](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2377)）\n\n### 基于推送的指标收集器\n\n- [GSoC] 提供基于推送的指标收集的 PyTorch MNIST 示例（由 @Electronic-Waste 提交的 [#2437](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2437)）\n- [GSoC] 在 Trial Controller 中进行兼容性更改（由 @Electronic-Waste 提交的 [#2394](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2394)）\n- [GSoC] 在 Python SDK 中新增接口 `report_metrics`（由 @Electronic-Waste 提交的 [#2371](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2371)）\n- [GSoC] 项目 6 的 KEP：","2025-03-31T23:25:53",{"id":199,"version":200,"summary_zh":201,"released_at":202},198257,"v0.18.0-rc.0","这是 Katib v0.18.0-rc.0 版本。\n\n主要亮点：\n- [KEP-2339](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Ftree\u002Fmaster\u002Fdocs\u002Fproposals\u002F2339-hpo-for-llm-fine-tuning)：针对 LLM 微调的超参数优化。\n- [KEP-2340](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Ftree\u002Fmaster\u002Fdocs\u002Fproposals\u002F2340-push-based-metrics-collector)：支持基于推送的指标收集。\n- [KEP-2374](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Ftree\u002Fmaster\u002Fdocs\u002Fproposals\u002F2374-parameter-distribution)：高级参数分布，如均匀分布、对数均匀分布、正态分布和对数正态分布。\n\n\n## 破坏性变更\n\n- 将 Kubernetes 升级至 v1.31.3（由 @Electronic-Waste 在 [#2478](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2478) 中完成）\n- 将 Kubernetes 升级至 v1.30.7（由 @Electronic-Waste 在 [#2463](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2463) 中完成）\n- SDK 中移除 Python 3.7，并支持 Python 3.11（由 @tenzen-y 在 [#2337](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2337) 中完成）\n\n## 新特性\n\n### 针对 LLM 的超参数优化\n\n- [DOCS] 将 LLM 超参数优化设计图移至提案目录并重命名（由 @mahdikhashan 在 [#2472](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2472) 中完成）\n- [GSoC] 更新用于 LLM 超参数优化的 `tune` API（由 @helenxie-bit 在 [#2393](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2393) 中完成）\n- [GSoC] 创建 LLM 超参数优化 API 提案（由 @helenxie-bit 在 [#2333](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2333) 中完成）\n\n\n### 基于推送的指标收集\n\n- [GSoC] 提供基于推送的指标收集的 PyTorch MNIST 示例（由 @Electronic-Waste 在 [#2437](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2437) 中完成）\n- [GSoC] 试验控制器中的兼容性更改（由 @Electronic-Waste 在 [#2394](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2394) 中完成）\n- [GSoC] Python SDK 中新增接口 `report_metrics`（由 @Electronic-Waste 在 [#2371](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2371) 中完成）\n- [GSoC] 项目 6 的 KEP：Katib 的基于推送的指标收集（由 @Electronic-Waste 在 [#2328](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2328) 中完成）\n- [GSoC] 在 `tune` 中添加新参数（由 @Electronic-Waste 在 [#2369](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2369) 中完成）\n\n\n### HPO 的高级分布\n\n- [GSOC] 更新 `optuna` 建议服务逻辑（由 @shashank-iitbhu 在 [#2446](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2446) 中完成）\n- [GSOC] 更新 `hyperopt` 建议服务逻辑（由 @shashank-iitbhu 在 [#2412](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2412) 中完成）\n- [GSOC] 添加可行空间分布验证器（由 @shashank-iitbhu 在 [#2404](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2404) 中完成）\n- [GSOC] 在建议客户端中添加未知分布及 convertDistribution 功能（由 @shashank-iitbhu 在 [#2403](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2403) 中完成）\n- [GSOC] 支持 Katib 中多种参数分布（由 @shashank-iitbhu 在 [#2334](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2334) 中完成）\n- [GSoC] 向 Experiment API 添加 `DistributionType` 枚举（由 @shashank-iitbhu 在 [#2377](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2377) 中完成）","2025-02-13T18:30:45",{"id":204,"version":205,"summary_zh":206,"released_at":207},198258,"v0.17.0","这是 Katib v0.17.0 版本。\n\n# 破坏性变更\n\n- [SDK] 移除对 Python 3.7 的支持，改为支持 Python 3.11 ([#2337](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2337) by @tenzen-y)\n- [SDK] 将 protobuf 版本升级至 >=4.21.12,\u003C5 ([#2358](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2358) by @tenzen-y)\n- 移除对 Kubernetes v1.26 的支持，改为支持 Kubernetes v1.29 ([#2308](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2308) by @tenzen-y)\n- 移除对 Kubernetes v1.25 的支持，改为支持 Kubernetes v1.28 ([#2303](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2303) by @tenzen-y)\n- 移除 MXNet 示例 ([#2267](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2267) by @tenzen-y)\n\n# 新特性\n\n## 核心功能\n\n- 将 gRPC 代码生成工具从 Znly\u002Fprotoc 替换为 Buf ([#2344](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2344) by @forsaken628)\n- 为发布镜像添加对 ARM64 架构的支持 ([#2315](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2315) by @andreyvelich)\n- DB：新增环境变量选项，用于跳过数据库表的创建 ([#2245](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2245) by @lkaybob)\n- 添加环境变量选项，用于设置 PostgreSQL 的 SSL 模式 ([#2266](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2266) by @ckcd)\n- 将 TensorFlow 版本升级至 v2.16.1 ([#2282](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2282) by @tenzen-y)\n- 将 PyTorch 版本升级至 v2.2.1 ([#2279](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2279) by @tenzen-y)\n\n## SDK 功能\n\n- [SDK] 增加用于创建实验的名称生成功能。([#2272](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2272) by @bharathk005)\n- [SDK] 在客户端调优中添加 `env` 和 `env_from` 参数 ([#2235](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2235) by @shipengcheng1230)\n- [SDK] 在客户端调优中添加 `algorithm_settings` 参数 ([#2227](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2227) by @shipengcheng1230)\n- [SDK] 提高名称冲突异常的可读性 ([#2199](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2199) by @droctothorpe)\n\n## Bug 修复\n\n- 从发布脚本中移除代码生成部分 ([#2364](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2364) by @andreyvelich)\n- [SDK] 修复环境变量列表为空以及 NumPy 版本相关的问题 ([#2360](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2360) by @andreyvelich)\n- 在 CI 工作流的 actions\u002Fsetup-go 中使用 cache-dependency-path ([#2355](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2355) by @forsaken628)\n- 修复 TestReconcileBatchJob 测试 ([#2350](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2350) by @forsaken628)\n- 为 Skopt 测试修复 Scikit-Learn 版本问题 ([#2336](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2336) by @andreyvelich)\n- [SDK] 修复 tune API 中每轮试验的环境变量参数问题 ([#2304](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2304) by @andreyvelich)\n- 修复文件指标收集器的单元测试清理问题 ([#2285](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2285) by @Electronic-Waste)\n- 修复 DARTS 试验中的张量设备问题 ([#2273](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2273) by @sifa1024)\n- 修复 stale.yaml 文件中的拼写错误 ([#2257](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2257) by @tarilabs)\n- 修复 Optuna 相关问题","2024-07-15T19:54:30",{"id":209,"version":210,"summary_zh":211,"released_at":212},198259,"v0.16.0","这是 Katib v0.16.0 版本的发布说明。\n\n# 破坏性变更\n\n- 实现 KatibConfig API ([#2176](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2176) by @tenzen-y)\n- 放弃对 Kubernetes v1.24 的支持，转而支持 Kubernetes v1.27 ([#2182](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2182) by @tenzen-y)\n- 放弃对 Kubernetes v1.23 的支持，转而支持 Kubernetes v1.26 ([#2177](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2177) by @tenzen-y)\n- 将 Katib Webhook 的 failurePolicy 更改为 Fail ([#2018](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2018) by @andreyvelich)\n\n# 新特性\n\n## 核心功能\n\n- 将 Katib 证书生成器整合到 Katib 控制器中 ([#2185](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2185) by @tenzen-y)\n- 为 Katib 一致性测试容器化测试用例 ([#2146](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2146) by @nagar-ajay)\n\n## UI 改进\n\n- [UI] 从 UI 默认将恢复策略设置为“永不” ([#2195](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2195) by @mChowdhury-91)\n- [UI] 移除已废弃的 Katib UI ([#2179](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2179) by @andreyvelich)\n- [UI] 修复 Kubernetes Job 失败时的 Trial 日志显示问题 ([#2164](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2164) by @andreyvelich)\n- kwa(front): 支持所有命名空间 ([#2119](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2119) by @elenzio9)\n- kwa(front): 更新 SnackBarService 的使用方式 ([#2113](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2113) by @orfeas-k)\n- UI: 移除未使用的 EventV1beta1Api 导入 ([#2116](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2116) by @tenzen-y)\n\n## SDK 改进\n\n- [SDK] 为 Trial 容器启用资源规格指定功能 ([#2192](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2192) by @droctothorpe)\n- [SDK] 向 KatibClient 添加命名空间参数 ([#2183](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2183) by @droctothorpe)\n- [SDK] 导入所有 Kubernetes 模型 ([#2148](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2148) by @andreyvelich)\n\n# Bug 修复\n\n- Bug: 等待证书在容器内挂载完成 ([#2213](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2213) by @tenzen-y)\n- 在向通道发送数据之前开始等待证书就绪 ([#2215](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2215) by @tenzen-y)\n- E2E: 增加额外检查以验证组件是否已就绪 ([#2212](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2212) by @tenzen-y)\n- 从组件中移除 katib-webhook-cert Secret ([#2214](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2214) by @tenzen-y)\n- 跳过向 Katib 控制器注入 metrics-collector Pod 的步骤 ([#2211](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2211) by @tenzen-y)\n- 向 certsReady 通道发送空数据 ([#2196](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2196) by @tenzen-y)\n- 修复一致性测试的 Docker 镜像 ([#2147](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2147) by @nagar-ajay)\n\n# 文档\n\n- 将 PITS 全球数据恢复服务添加到采用者列表中 ([#2160](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2160) by @ghost)\n- 将 SDK 的破坏性变更添加到变更日志中","2023-11-03T06:11:01",{"id":214,"version":215,"summary_zh":216,"released_at":217},198260,"v0.15.0","这是 Katib v0.15.0 版本的发布说明。\n\n# 破坏性变更\n\n- 默认使用 **Never** 恢复策略（[#2102](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2102)，由 @andreyvelich 提出）\n- 移除了 Chocolate 建议服务（[#2071](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2071)，由 @tenzen-y 提出）\n- 从 gRPC API 中移除了 `request_number` 字段（[#1994](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1994)，由 @johnugeorge 提出）\n- 在 Katib UI 中启用授权功能（[#1983](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1983) 和 [#2041](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2041)，由 @apo-ger 提出）\n- 经过改进和重构的新版 Katib SDK 不再向后兼容（[#2075](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2075)，由 @andreyvelich 提出）\n\n# 新特性\n\n## 重大特性\n\n- 精简 Katib 的 RBAC 规则（[#2091](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2091)，由 @johnugeorge 提出）\n- 支持将 PostgreSQL 用作 Katib 的数据库（[#1921](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1921)，由 @anencore94 提出）\n- 在 Katib 配置中增加了更多建议容器字段（[#2000](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2000)，由 @fischor 提出）\n- Katib UI：创建试验详情页的“日志”标签页（[#2117](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2117)，由 @elenzio9 提出）\n- Katib UI：实现分页、排序和筛选功能（[#2017](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2017) 和 [#2040](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2040)，由 @elenzio9 提出）\n- [SDK] 在 Katib SDK 中创建 Tune API（[#1951](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1951)，由 @andreyvelich 提出）\n- [SDK] 从 Katib 数据库获取试验指标（[#2050](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2050)，由 @andreyvelich 提出）\n\n## 核心特性\n\n- 为 AutoML 和 Training WG 添加一致性测试文档（[#2048](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2048)，由 @andreyvelich 提出）\n- 在 Optuna 建议服务中支持网格搜索算法（[#2060](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2060)，由 @tenzen-y 提出）\n- 在 Pod 变异过程中添加试验标签（[#2047](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2047)，由 @andreyvelich 提出）\n- 在 CI 中支持 Kubernetes v1.25（[#1997](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1997)，由 @johnugeorge 提出）\n- 添加用于构建多平台容器镜像的 CI 流程（[#1956](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1956)，由 @tenzen-y 提出）\n- 放弃对 Kubernetes v1.21 的支持，引入 Kubernetes v1.24（[#1953](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1953)，由 @tenzen-y 提出）\n- 为 katib-db-manager 添加 --connect-timeout 标志（[#1937](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1937)，由 @tenzen-y 提出）\n- 实现 DARTS 建议服务的验证逻辑（[#1926](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1926)，由 @tenzen-y 提出）\n- 实现 Optuna 建议服务的验证逻辑（[#1924](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1924)，由 @tenzen-y 提出）\n\n## UI 改进\n\n- 将 KWA 表格中的链接改为可点击的超链接（[#2090](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2090)，由 @elenzio9 提出）\n- 前端：在 KWA 中使用 ECharts 重做试验图表（[#2089](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F2089)，由 @elenzio9 提出）\n- kwa(front)：添加 UI 测试","2023-03-29T15:43:06",{"id":219,"version":220,"summary_zh":221,"released_at":222},198261,"v0.14.0","这是 Katib v0.14.0 版本的发布说明。\n\n# 新特性\n\n## 核心功能\n\n- 基于种群的训练（[#1833](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1833)，由 [@a9p](https:\u002F\u002Fgithub.com\u002Fa9p) 提供）\n- 在 `file-metrics-collector` 中支持 JSON 格式的日志（[#1765](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1765)，由 [@tenzen-y](https:\u002F\u002Fgithub.com\u002Ftenzen-y) 提供）\n- 在试验的完成状态中加入 MetricsUnavailable 条件（[#1877](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1877)，由 [@tenzen-y](https:\u002F\u002Fgithub.com\u002Ftenzen-y) 提供）\n- 允许在 Apple Silicon M1 上运行示例，并修复 arm64 架构的镜像构建错误（[#1898](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1898)，由 [@tenzen-y](https:\u002F\u002Fgithub.com\u002Ftenzen-y) 提供）\n- 为证书生成器配置可自定义的 Job 名称和服务名称（[#1889](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1889)，由 [@shaowei-su](https:\u002F\u002Fgithub.com\u002Fshaowei-su) 提供）\n\n\n## UI 功能与改进\n\n- 在实验创建表单中添加 PBT 算法（[#1909](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1909)，由 [@a9p](https:\u002F\u002Fgithub.com\u002Fa9p) 提供）\n- UI 中为每个试验单独设置页面（[#1783](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1783)，由 [@d-gol](https:\u002F\u002Fgithub.com\u002Fd-gol) 提供）\n\n\n# Bug 修复\n\n- 添加支持 GPU 的 PyTorch-MNIST 容器镜像（[#1917](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1917)，由 [@tenzen-y](https:\u002F\u002Fgithub.com\u002Ftenzen-y) 提供）\n- 修复推送脚本，以包含新镜像（[#1912](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1912)，由 [@johnugeorge](https:\u002F\u002Fgithub.com\u002Fjohnugeorge) 提供）\n- 修复 YAML 文件中的 Lint 警告（[#1902](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1902)，由 [@Rishit-dagli](https:\u002F\u002Fgithub.com\u002FRishit-dagli) 提供）\n- 修复在 Apple Silicon M1 上运行测试时的错误（[#1886](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1886)，由 [@tenzen-y](https:\u002F\u002Fgithub.com\u002Ftenzen-y) 提供）\n- 通过比较建议和正在执行的试验来协调试验分配（[#1831](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1831)，由 [@henrysecond1](https:\u002F\u002Fgithub.com\u002Fhenrysecond1) 提供）\n- 增加清单文件中探针的超时时间（[#1845](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1845)，由 [@haoxins](https:\u002F\u002Fgithub.com\u002Fhaoxins) 提供）\n- 为 Optuna 设置上限约束（[#1852](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1852)，由 [@himkt](https:\u002F\u002Fgithub.com\u002Fhimkt) 提供）\n- 不再检查试验的元数据是否存在于 spec.parameters 中（[#1848](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1848)，由 [@alexeygorobets](https:\u002F\u002Fgithub.com\u002Falexeygorobets) 提供）\n\n# 文档\n\n- 修复 FPGA 示例的相关文档（[#1841](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1841)，由 [@eliaskoromilas](https:\u002F\u002Fgithub.com\u002Feliaskoromilas) 提供）\n- 将 CyberAgent 加入采用者名单（[#1894](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1894)，由 [@tenzen-y](https:\u002F\u002Fgithub.com\u002Ftenzen-y) 提供）\n\n# 其他\n\n- 在 CI 流程中更新训练 Operator 镜像（[#1910](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1910)，由 [@johnugeorge](https:\u002F\u002Fgithub.com\u002Fjohnugeorge) 提供）\n- 升级部分示例的 Python 和 PyTorch 版本（[#1906](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1906)，由 [@tenzen-y](https:\u002F\u002F","2022-08-19T09:26:11",{"id":224,"version":225,"summary_zh":77,"released_at":226},198262,"v0.14.0-rc.0","2022-06-30T13:55:16",{"id":228,"version":229,"summary_zh":230,"released_at":231},198263,"v0.13.0","这是 Katib v0.13.0 版本的发布说明。\n\n重大变更：\n\n1. 启用 Metrics 收集器的 Katib 命名空间标签已更改为 `katib.kubeflow.org\u002Fmetrics-collector-injection=enabled` [#1740](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1740)\n2. gRPC API 中的当前请求编号字段已重命名为 `current_request_number` [#1728](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1728)\n3. Training Operators 的默认主 Pod 标签 `job-role` 和 `replica-type` 已添加 `training.kubeflow.org` 前缀 [#1813](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1813)\n\n## 新特性\n\n### 算法与组件\n\n- 实现早期停止的验证功能 ([#1709](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1709)，由 @tenzen-y 提供)\n- 更改 Metrics 收集器注入的命名空间标签 ([#1740](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1740)，由 @andreyvelich 提供)\n- 修改包含当前请求编号的 gRPC API ([#1728](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1728)，由 @andreyvelich 提供)\n- 允许在 Katib 配置中移除每项资源 ([#1729](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1729)，由 @andreyvelich 提供)\n- 支持 Katib Controller 的 Leader 选举 ([#1713](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1713)，由 @tenzen-y 提供)\n- 更改默认的 Metrics 收集格式 ([#1707](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1707)，由 @anencore94 提供)\n- 将 Python 版本升级至 3.9 ([#1731](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1731)，由 @tenzen-y 提供)\n- 将 Go 版本更新至 1.17 ([#1683](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1683)，由 @andreyvelich 提供)\n- 创建用于运行端到端 Argo 工作流的 Python 脚本 ([#1674](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1674)，由 @andreyvelich 提供)\n- 使用 Go 重新实现 Katib 证书生成器 ([#1662](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1662)，由 @tenzen-y 提供)\n- SDK：将列表 API 默认返回对象 ([#1630](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1630)，由 @anencore94 提供)\n\n### UI 功能\n\n- 增强 Katib UI 的可行空间 ([#1721](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1721)，由 @seong7 提供)\n- 处理 Katib UI 中缺失的 TrialTemplate ([#1652](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1652)，由 @kimwnasptd 提供)\n- 在 Katib UI 中添加 Prettier 开发依赖项 ([#1629](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1629)，由 @seong7 提供)\n\n## 文档\n\n- 修复 gRPC API 文档的链接 ([#1786](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1786)，由 @tenzen-y 提供)\n- 添加包含 Katib 的个人演讲资料 ([#1753](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1753)，由 @terrytangyuan 提供)\n- 将 Akuity 加入采用者名单 ([#1749](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1749)，由 @terrytangyuan 提供)\n- 将 Argo 更改为 Argo Workflows ([#1741](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1741)，由 @terrytangyuan 提供)\n- 更新算法服务文档以适配新的 CI 脚本 ([#1724](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1724)，由 @andreyvelich 提供)\n- 更新 Training Operator 的链接 ([#1699](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1699)，由 @terrytangyuan 提供)\n- 重构示例文件夹结构 ([#","2022-03-04T14:53:04",{"id":233,"version":234,"summary_zh":235,"released_at":236},198264,"v0.12.0","这是 Katib v0.12.0 版本的发布。\n\n主要优势：\n- 基于 [Optuna](https:\u002F\u002Fgithub.com\u002Foptuna\u002Foptuna) 的建议服务，新增多种算法，特别感谢 @g-votte 和 @c-bata。\n- 引入 Sobol 准随机序列算法以及 IPOP-CMA-ES 和 BIPOP-CMA-ES 重启策略，特别感谢 @c-bata。\n- Katib 现已支持运行 [Argo Workflows](https:\u002F\u002Fgithub.com\u002Fargoproj\u002Fargo-workflows)，特别感谢 @andreyvelich。\n\n# 新特性\n\n## 算法与组件\n\n- 添加基于 Optuna 的建议服务（[#1613](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1613)，由 @g-votte 实现）。\n- 支持使用 Goptuna 实现 Sobol 准随机序列（[#1523](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1523)，由 @c-bata 实现）。\n- 将 Goptuna 版本升级至 v0.8.0，并加入 IPOP-CMA-ES 和 BIPOP-CMA-ES 支持（[#1519](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1519)，由 @c-bata 实现）。\n- 对网格搜索建议中的可能操作进行验证（[#1205](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1205)，由 @andreyvelich 实现）。\n- 验证贝叶斯优化算法的参数设置（[#1600](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1600)，由 @anencore94 实现）。\n- 添加对 Argo Workflows 的支持（[#1605](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1605)，由 @andreyvelich 实现）。\n- 添加对 XGBoost Operator 的支持，并提供 LightGBM 示例（[#1603](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1603)，由 @andreyvelich 实现）。\n- 允许在 Katib 配置中为 CPU 和内存资源设置为空值（[#1564](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1564)，由 @andreyvelich 实现）。\n- 添加 kustomization 叠加层：katib-openshift（[#1513](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1513)，由 @maanur 实现）。\n- 在 Katib Charm 中切换到 SDI（[#1555](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1555)，由 @knkski 实现）。\n\n## UI 功能\n\n- 在 Katib UI 中添加多变量 TPE（[#1625](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1625)，由 @andreyvelich 实现）。\n- 使用 Optuna 算法设置更新 Katib UI（[#1626](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1626)，由 @andreyvelich 实现）。\n- 更改新版 Katib UI 的默认镜像（[#1608](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1608)，由 @andreyvelich 实现）。\n\n# 文档\n\n- 添加 Katib 2021 年路线图（[#1524](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1524)，由 @andreyvelich 实现）。\n- 添加 2021 年 7 月 AutoML 和 Training WG 峰会相关信息（[#1615](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1615)，由 @andreyvelich 实现）。\n- 添加 2021 年 Katib 新的演示文稿（[#1539](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1539)，由 @andreyvelich 实现）。\n- 在 PR 模板中添加文档检查清单（[#1568](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1568)，由 @andreyvelich 实现）。\n- 修复 operators\u002FREADME 中的拼写错误（[#1557](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1557)，由 @evilnick 实现）。\n- 增加关于如何在 KF 中使用 Katib Charm 的文档说明（[#1556](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1556)，由 @RFMVasconcelos 实现）。\n- 修复新版 Katib UI 的 Kustomize 清单链接（[#1521](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1521)，由 @c-bata 实现）。\n\n# Bug 修复\n\n- 修复 UI 处理缺失参数的问题（[#1657](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1657)，由 @kimwnasptd 实现）。\n- 调整 Sugg 的语义一致性。","2021-10-06T14:31:08",{"id":238,"version":239,"summary_zh":240,"released_at":241},198265,"v0.11.1","这是 Katib v0.11.1 版本的发布说明。\n\n# Bug 修复\n- 修复 Kubeflow 1.3 的 Katib 清单文件（由 @yanniszark 提交的 https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1503）\n- 修复 Katib 发布脚本（由 @andreyvelich 提交的 https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1510）\n\n# 功能增强\n- 移除 Application CR（由 @yanniszark 提交的 https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1509）\n- 修改 Katib 清单文件以支持更新的 Kustomize 版本（由 @DavidSpek 和 @andreyvelich 提交的 https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1515）\n\n请查看[完整变更日志](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fcompare\u002Fv0.11.0...v0.11.1)。","2021-06-11T17:04:26",{"id":243,"version":244,"summary_zh":245,"released_at":246},198266,"v0.11.0","This is the Katib v0.11.0 release.\r\nThe major advantages:\r\n- Katib is now supporting Kubernetes >= 1.18\r\n- Possibility to deploy a [new Katib UI](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fprojects\u002F1), big thanks to @kimwnasptd!\r\n- Juju operator support, big thanks to @DomFleischmann, @knkski and @RFMVasconcelos!\r\n# New Features\r\n\r\n## Core Features\r\n- Disable dynamic Webhook creation (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1450 by @andreyvelich and @tenzen-y)\r\n- Add the `waitAllProcesses` flag to the Katib config (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1394 by @robbertvdg)\r\n- Migrate Katib to Go modules (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1438 by @andreyvelich)\r\n- Update Katib SDK with the `get_success_trial_details` API (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1442 by @Adarsh2910)\r\n- Add release process script (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1473 by @andreyvelich)\r\n- Refactor the Katib installation using Kustomize (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1464 by @andreyvelich)\r\n\r\n## UI Features and Enhancements\r\n\r\n- First step for the Katib new UI implementation (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1427 by @kimwnasptd)\r\n- Add missing fields to the Katib new UI (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1463 by @kimwnasptd)\r\n- Add instructions to install the new Katib UI (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1476 by @kimwnasptd)\r\n\r\n## Katib Juju operator\r\n\r\n- Add Juju operator support for Katib (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1403 by @knkski and @RFMVasconcelos)\r\n- Add GitHub Actions for the Juju operator (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1407 by @knkski)\r\n- Add install docs for the Juju operator (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1411 by @RFMVasconcelos)\r\n- Modify ClusterRoles for the Juju operator (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1426 by @DomFleischmann)\r\n- Update the Juju operator with the new Katib Webhooks (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1465 by @knkski)\r\n\r\n# Bug fixes\r\n\r\n- Fix compare step for Early Stopping (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1386 by @andreyvelich)\r\n- Fix Early Stopping in the Goptuna Suggestion (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1404 by @andreyvelich)\r\n- Fix SDK examples to work with the Katib 0.10 (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1402 by @andreyvelich)\r\n- Fix links in the TFEvent Metrics Collector (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1417 by @zuston)\r\n- Fix the gRPC build script (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1492 by @andreyvelich)\r\n\r\n# Documentation\r\n\r\n- Modify docs for the Katib 0.10 (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1392 by @andreyvelich)\r\n- Add Katib presentation list (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1446 by @andreyvelich)\r\n- Add Canonical to the Katib Adopters (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1401 by @RFMVasconcelos)\r\n- Update developer guide with the Katib controller flags (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1449 by @annajung)\r\n- Add Fuzhi to the Katib Adopters (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1451 by @Planck0591)\r\n- Fix Katib broken links to the Kubeflow guides (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1477 by @theofpa)\r\n- Add the Katib Webhook docs (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1486 by @andreyvelich)\r\n\r\n# Misc\r\n- Add recreate strategy for the MySQL deployment (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1393 by @andreyvelich)\r\n- Modify worker image for the Katib AWS CI\u002FCD (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1423 by @PatrickXYS)\r\n- Add the SVG logo for Katib (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1414 by @knkski)\r\n- Verify empty Objective in the Experiment defaults (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1445 by @andreyvelich)\r\n- Move the Katib manifests upstream (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1432 by @yanniszark)\r\n- Build the Trial images in the Katib CI (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1457 by @andreyvelich)\r\n- Add script to update the boilerplates (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1491 by @andreyvelich)\r\n\r\n\r\n# Change Log\r\n\r\nCheck the [Full Change Log](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fcompare\u002Fv0.10.0...v0.11.0).\r\n","2021-03-22T15:36:06",{"id":248,"version":249,"summary_zh":250,"released_at":251},198267,"v0.10.1","Check [the Full Change Log](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fcompare\u002Fv0.10.0...v0.10.1).","2021-03-02T12:15:25",{"id":253,"version":254,"summary_zh":255,"released_at":256},198268,"v0.10.0","This is the Katib 0.10 release for the Kubeflow 1.2.\r\nThe new Katib v1beta1 API version has been released. \r\n\r\n# New Features\r\n## Core Features\r\n\r\n- The new Trial template design (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F1208)\r\n- Support custom Kubernetes CRD in the Trial template (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F1214)\r\n    - Add example for the [Tekton `Pipeline`](https:\u002F\u002Fgithub.com\u002Ftektoncd\u002Fpipeline) (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1339)\r\n    - Add example for the [Kubeflow `MPIJob`](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fmpi-operator) (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1342)\r\n- Support early stopping with the Median Stopping Rule (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1344)\r\n- Resume Experiment from the volume (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1275)\r\n    - Support volume settings in the Katib config (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1291)\r\n- Extract the Experiment metrics in multiple ways (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1140)\r\n- Update the Python SDK for the v1beta1 version (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1252)\r\n\r\n## UI Features and Enhancements\r\n\r\n- Show the Trial parameters on the submit Experiment page (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1224)\r\n- Enable to set the Trial template YAML from the submit Experiment page (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1363)\r\n- Optimise the Katib UI image (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1232)\r\n- Enable sorting in the Trial list table (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1251)\r\n- Add pages to the Trial list table (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1262)\r\n- Use the V4 version for the Material UI (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1254)\r\n- Automatically delete an empty ConfigMap with Trial templates (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1260)\r\n- Create a ConfigMap with Trial templates (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1265)\r\n- Support metrics strategies on the submit Experiment page (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1364)\r\n- Add the resume policy to the submit Experiment page (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1362)\r\n- Enable to create an early stopping Experiment from the submit Experiment page (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1373)\r\n\r\n\r\n# Bug fixes\r\n- Check the Trials count before deleting it (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1223)\r\n- Check that Trials are deleted (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1288)\r\n- Fix the out of range error in the Hyperopt suggestion (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1315)\r\n- Fix the pod ownership to inject the metrics collector (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1303)\r\n\r\n# Misc\r\n- Switch the test infra to the AWS (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1356)\r\n- Use the `docker.io\u002Fkubeflowkatib` registry to release images (https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F1372)\r\n\r\n# Change Log\r\n\r\nSee the [Full Change Log](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fcompare\u002F917164a3cb2b1f246abd6396172a2b232e672a7d...a96ff59cd9baff77a857c3b0d966c9d8426d383b).","2020-11-07T03:57:53",{"id":258,"version":259,"summary_zh":260,"released_at":261},198269,"v0.9.0","Katib release for Kubeflow 1.1\r\n\r\nList of manifest and website changes: https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F1211\r\n\r\n[Full Changelog](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fcompare\u002Ff98f7c9fe4cda1203d383ec8149b05e0e600b21b...917164a3cb2b1f246abd6396172a2b232e672a7d)","2020-06-16T11:10:32",{"id":263,"version":264,"summary_zh":265,"released_at":266},198270,"v0.6.0-rc.0","First rc of v0.6.0","2019-06-28T19:05:06",{"id":268,"version":269,"summary_zh":270,"released_at":271},198271,"v0.1.2-alpha","[Full Changelog](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fcompare\u002Fv0.1.1-alpha...v0.1.2-alpha)\r\n\r\n**Closed issues:**\r\n\r\n- \\[request\\] Invite libbyandhelen as reviewer for algorithm support [\\#82](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F82)\r\n- cli failed to connect [\\#80](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F80)\r\n- CreateStudy RPC error: Objective\\_Value\\_Name is required [\\#73](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F73)\r\n- \\[cli\\] Use cobra to refactor the cli [\\#54](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F54)\r\n- Reduce time it takes to build all images [\\#50](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F50)\r\n- \\[release\\] Ksonnet the katib [\\#32](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F32)\r\n\r\n**Merged pull requests:**\r\n\r\n- update docs [\\#103](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F103) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- cli: Rename to katib-cli [\\#101](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F101) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- Fix dbbug [\\#98](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F98) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- save logs after check status [\\#95](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F95) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- Some fix to getting-started.md [\\#94](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F94) ([lluunn](https:\u002F\u002Fgithub.com\u002Flluunn))\r\n- Add katib-cli download command for Mac [\\#93](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F93) ([vinaykakade](https:\u002F\u002Fgithub.com\u002Fvinaykakade))\r\n- fix get service-param-list bug [\\#92](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F92) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- fix ui bug [\\#91](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F91) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- Build parallel [\\#85](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F85) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- reduce build time [\\#84](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F84) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- OWNERS: Add @libbyandhelen [\\#83](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F83) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- add random forest prior to Bayesian Optimization [\\#81](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F81) ([libbyandhelen](https:\u002F\u002Fgithub.com\u002Flibbyandhelen))\r\n- workflows.libsonnet: Fix the image name [\\#75](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F75) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- Refine API [\\#74](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F74) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- worker: Rename worker\\_interface to worker [\\#70](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F70) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))","2018-06-05T06:34:36",{"id":273,"version":274,"summary_zh":275,"released_at":276},198272,"v0.1.1-alpha","[Full Changelog](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fcompare\u002Fv0.1.0-alpha...v0.1.1-alpha)\r\n\r\n**Closed issues:**\r\n\r\n- \\[upstream\\] Update name in kubernetes\u002Ftest-infra [\\#63](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F63)\r\n- \\[go\\] Update the package name, again [\\#62](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F62)\r\n- \\[test\\] Fix broken unit test cases [\\#58](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F58)\r\n- Provide a cli binary for macOS \u002F darwin [\\#57](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F57)\r\n- Error running katib on latest master \\(04\u002F13\\) [\\#44](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F44)\r\n- Upload existing models to modelDB interface [\\#43](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F43)\r\n- \\[release\\] Add cli to v0.1.0-alpha [\\#31](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F31)\r\n- \\[discussion\\] Find a new way to install CLI [\\#26](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F26)\r\n- \\[maintainance\\] Setup the repository [\\#8](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F8)\r\n- Existing approaches and design for hyperparameter-tuning [\\#2](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F2)\r\n\r\n**Merged pull requests:**\r\n\r\n- Cobra cli [\\#69](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F69) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- \\*: Refactor the structure [\\#65](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F65) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- \\*: Update name [\\#64](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F64) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- Replace kubeflow-images-staging with kubeflow-images-public [\\#61](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F61) ([ankushagarwal](https:\u002F\u002Fgithub.com\u002Fankushagarwal))\r\n- improve frontend [\\#60](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F60) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- argo: Add unit test [\\#56](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F56) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- main.go: Fix style [\\#55](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F55) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- Fix modelsave [\\#52](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F52) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- refactor Model API [\\#51](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F51) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- improve test script [\\#49](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F49) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- Add Model Management API [\\#48](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F48) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- reviewers: Add @ddysher @jose5918 @mitake [\\#45](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F45) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- add early stoppping service [\\#41](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F41) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- bayesian optimization draft [\\#38](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F38) ([libbyandhelen](https:\u002F\u002Fgithub.com\u002Flibbyandhelen))\r\n- Dockerfile: Use alpine as base image [\\#37](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F37) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- docs: Update katib-cli [\\#36](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F36) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- New db log schema [\\#35](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F35) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- Fix CI failures [\\#27](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F27) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))","2018-04-26T03:25:18",{"id":278,"version":279,"summary_zh":280,"released_at":281},198273,"v0.1.0-alpha","**Closed issues:**\r\n\r\n- \\[suggestion\\] Move the logic about random service to `random` package [\\#18](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F18)\r\n- \\[build-release\\] Reuse the vendor during the image building process [\\#14](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F14)\r\n- \\[go\\] Rename the package from mlkube\u002Fkatib to this repo [\\#7](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F7)\r\n- \\[go\\] Establish vendor dependencies for go [\\#5](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F5)\r\n- Rename to hyperparameter-tuning ? [\\#1](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fissues\u002F1)\r\n\r\n**Merged pull requests:**\r\n\r\n- cleanup of README [\\#30](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F30) ([ddutta](https:\u002F\u002Fgithub.com\u002Fddutta))\r\n- delete unnecessary settings [\\#29](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F29) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- Dockerfile: Support multiple stage build in dlk and frontend [\\#28](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F28) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- Dockerfile: Support multiple stage build in manager and cli [\\#25](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F25) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- Dockerfile: Use multiple stage builds [\\#23](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F23) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- Ci setup [\\#22](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F22) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- suggestion: Refactor [\\#21](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F21) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- update packages [\\#19](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F19) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- README: Add code quality badge [\\#17](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F17) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- Fixing some basic typos in README [\\#13](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F13) ([ddutta](https:\u002F\u002Fgithub.com\u002Fddutta))\r\n- vendor: Add [\\#12](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F12) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- ignore: Add macOS, Windows and Go ignore files [\\#11](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F11) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- Rename packages and move dlk dir [\\#10](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F10) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- doc: Refactor [\\#9](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F9) ([gaocegege](https:\u002F\u002Fgithub.com\u002Fgaocegege))\r\n- add katib code [\\#4](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F4) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n- add OWNERS file [\\#3](https:\u002F\u002Fgithub.com\u002Fkubeflow\u002Fkatib\u002Fpull\u002F3) ([YujiOshima](https:\u002F\u002Fgithub.com\u002FYujiOshima))\r\n","2018-04-10T09:08:20"]