Kubeflow是一个专用于Kubernetes上具备可移植性与可扩展性机器学习专案。Kubeflow并非一个新服务，而是作者为了让Google的机器学习开源软件TensorFlow能更直觉的使用而开发。
目前项目放置在GitHub上，功能是一键控制TensorFlow训练控制器使用CPU或是GPU，以及调整集群的大小。另外，也提供TensorFlow Serving的container。
在简化Kubernetes的机器学习工作上，Kubeflow提供多种基础架构能够简易、可重复且具备可移植性的部署，并且做到部署及管理人为相依性的微服务，当然也能依需求缩放规模。
Kubeflow的作者表示，从事机器学习工作的人所使用的工具琳琅满目，因此Kubeflow的重点是，无论遇到什么样的需求，都可以客制化自己的工作流程，并且让系统照顾闲置的机器。Kubeflow的终极目标是提供一组简单的manifests，让机器学习的任务可以在任意的Kubernetes集群上执行，并自动根据部署的集群做最佳设定。
