我试图寻找何时创建您自己的 Kubeflow MLOps 平台是有意义的：
- 如果你只是 Tensorflow 商店，你还需要 Kubeflow 吗？为什么不只有 TFX？可以使用 Airflow 进行编排。
- 如果您都在使用 scikit-learn，那么为什么要使用 Kubeflow，因为它不支持 GPU 分布式训练？可以使用 Airflow 进行编排。
- 如果您确信使用 Kubeflow，云提供商（Azure 和 GCP）正在提供 ML 管道概念（Google 在幕后使用 Kubeflow）作为托管服务。那么什么时候部署自己的 Kubeflow 环境才有意义呢？即使您需要在本地部署，您也可以选择使用云资源（云上的节点和数据）来训练模型，并且只将模型部署到本地。因此，使用 Azure 或 GCP AI 平台作为托管服务对交付 ML 管道最有意义吗？