Veja as atualizações de produtos mais recentes de todo o Google Cloud na página de notas da versão do Google Cloud.
Em 10 de abril de 2019, o Cloud Machine Learning Engine passou a ser AI Platform Training e AI Platform Prediction. Nesta página, você verá registros das atualizações históricas do Cloud ML Engine.
Veja as notas da versão atuais:
1º de abril de 2019
O Cloud ML Engine agora oferece preços reduzidos para treinamento, previsão on-line e previsão em lote.
Saiba mais sobre os preços do Cloud ML Engine.
28 de março de 2019
O Cloud ML Engine agora oferece treinamento com algoritmos integrados. É possível enviar seus dados para pré-processamento automático e treinar um modelo com base nos algoritmos de aprendizagem linear e amplitude e profundidade do TensorFlow, além dos algoritmos do XGBoost (links em inglês), sem escrever códigos.
Saiba mais sobre o treinamento com algoritmos integrados.
25 de março de 2019
A versão 1.13 do ambiente de execução do Cloud ML Engine agora é compatível com o TensorFlow 1.13.1. Consulte a lista de versões do ambiente de execução para ver todos os pacotes incluídos na versão 1.13.
8 de março de 2019
O suporte para treinamento com TPUs no ambiente de execução do Cloud ML Engine versão 1.9 terminou em 8 de março de 2019. Veja as versões atualmente compatíveis na lista de versões do ambiente de execução.
6 de março de 2019
O ambiente de execução do Cloud ML Engine versão 1.13 já está disponível para treinamento e previsão. Essa versão é compatível com o TensorFlow 1.13 e inclui outros pacotes, que estão na lista de versões do ambiente de execução.
O treinamento com TPUs ainda não é compatível com a versão 1.13 do ambiente de execução.
1º de março de 2019
O AI Platform Notebooks está disponível na versão Beta. Com o AI Platform Notebooks, você cria e gerencia instâncias de máquina virtual (VM, na sigla em inglês) pré-empacotadas com o JupyterLab (em inglês) e um conjunto de software de aprendizado profundo.
Para saber mais, acesse a visão geral do AI Platform Notebooks e o guia para criar uma nova instância de notebook.
13 de fevereiro de 2019
O Cloud TPU já está disponível para o treinamento de modelos do TensorFlow. As Unidades de Processamento de Tensor (TPUs, na sigla em inglês) são aceleradores desenvolvidos especialmente pelo Google para cargas de trabalho de machine learning.
Veja como usar TPUs para treinar modelos no Cloud ML Engine e consulte os preços delas.
7 de fevereiro de 2019
O treinamento com contêineres personalizados já está disponível na versão Beta. Esse recurso permite que você execute seu aplicativo de treinamento no Cloud ML Engine usando uma imagem do Docker personalizada. Crie seu contêiner personalizado com os frameworks de ML de sua escolha. Comece a treinar um modelo PyTorch usando contêineres personalizados.
Já é possível configurar jobs de treinamento com determinados tipos de máquina do Compute Engine. Isso proporciona flexibilidade adicional para alocar recursos computacionais aos jobs de treinamento. Esse recurso está disponível na versão Beta.
Ao configurar seu job com tipos de máquina do Compute Engine, é possível anexar um conjunto personalizado de GPUs.
Leia mais sobre os tipos de máquina do Compute Engine, os anexos de GPU e os respectivos preços.
As GPUs P4 estão na fase Beta para treinamento. Para mais informações, consulte os guias sobre como usar GPUs, a disponibilidade delas por região e os preços.
1º de fevereiro de 2019
As CPUs com processador quad-core estão disponíveis em fase Beta para predição on-line. Os nomes dos tipos de máquina foram alterados, e o preço foi atualizado.
- Defina
machineTypeemprojects.models.versions.createpara especificar o tipo de máquina que será usado para exibição. Usemls1-c4-m2para CPUs quad-core. O padrão é a CPU de um núcleo,mls1-c1-m2. - Os seguintes nomes de máquina usados na versão Alfa estão obsoletos:
mls1-highmem-1emls1-highcpu-4. - Para mais informações, consulte o guia de previsão on-line.
- Veja o preço atualizado dos tipos de máquina para exibição.
25 de janeiro de 2019
A previsão on-line já está disponível na região us-east4. Veja o guia sobre disponibilidade por região.
10 de janeiro de 2019
As GPUs V100 já estão disponíveis para treinamento. Para mais informações, consulte os guias sobre preços e como usar GPUs.
19 de dezembro de 2018
As versões de ambiente de execução 1.11 e 1.12 do Cloud ML Engine já estão disponíveis para treinamento e previsão. Essas versões são compatíveis com o TensorFlow 1.11 e 1.12 e outros pacotes, conforme consta na lista de versões do ambiente de execução.
Agora as versões de ambiente de execução do Cloud ML Engine 1.11 e 1.12 são compatíveis com o treinamento de TPUs, mas não a versão 1.10. Veja as versões atualmente compatíveis na lista de versões do ambiente de execução.
Cada versão do ambiente de execução do Cloud ML Engine agora inclui o joblib. A versão de ambiente de execução mais antiga que inclui o joblib é a versão 1.4.
26 de outubro de 2018
A compatibilidade do treinamento da TPU com a versão 1.8 do ambiente de execução do Cloud ML terminou em 26 de outubro de 2018. Veja as versões atualmente compatíveis na lista de versões do ambiente de execução.
11 de outubro de 2018
A versão 1.11 do ambiente de execução do Cloud ML Engine foi revertida devido a erros causados por uma incompatibilidade de versão do CuDNN durante o treinamento de GPU. A alternativa atual é usar a versão 1.10 do ambiente de execução. Para mais detalhes, consulte a lista de versões do ambiente de execução.
5 de outubro de 2018
A versão 1.11 do ambiente de execução do Cloud ML Engine já está disponível para treinamento e previsão. Essa versão é compatível com o TensorFlow 1.11 e outros pacotes, conforme descrito na lista de versões do ambiente de execução.
31 de agosto de 2018
A versão 1.10 do ambiente de execução do Cloud ML Engine já está disponível para treinamento e previsão. Essa versão é compatível com o TensorFlow 1.10 e outros pacotes, conforme descrito na lista de versões do ambiente de execução.
27 de agosto de 2018
As GPUs V100 estão agora em fase Beta para treinamento. O uso delas passará a gerar cobranças. Para mais informações, consulte os guias sobre preços e como usar GPUs.
Atualmente, as GPUs P100 estão disponíveis para treinamento. Para mais informações, consulte os guias sobre preços e como usar GPUs.
Duas regiões novas, us-west1 e europe-west4, estão disponíveis para treinamento. Veja mais informações na página de regiões.
24 de agosto de 2018
A compatibilidade do treinamento da TPU com a versão 1.7 do ambiente de execução do Cloud ML terminou em 24 de agosto de 2018. Veja as versões atualmente compatíveis na lista de versões do ambiente de execução.
9 de agosto de 2018
Temos o prazer de anunciar reduções significativas de preços para a previsão on-line com o AI Platform Prediction.
Na tabela a seguir, mostramos o preço anterior e o novo:
| Região | Preço anterior por nó/hora | Preço novo por nó/hora |
|---|---|---|
| EUA | USD 0,30 | USD 0,056 |
| Europa | USD 0,348 | USD 0,061 |
| Ásia-Pacífico | USD 0,348 | USD 0,071 |
Veja mais detalhes no guia de preços.
8 de agosto de 2018
Temos a satisfação de anunciar o preço promocional do Cloud TPU com o AI Platform Prediction, resultando em significativas reduções de preço.
Na tabela a seguir, mostramos o preço anterior e o novo:
| Região: EUA | Preço anterior por TPU/hora | Preço novo por TPU/hora |
|---|---|---|
Nível de escalonamento: BASIC_TPU (Beta) |
USD 9,7674 | USD 6,8474 |
Tipo de máquina personalizado: cloud_tpu (Beta) |
USD 9,4900 | USD 6,5700 |
A tabela mostra os preços apenas para os EUA. Não há alteração na disponibilidade da Cloud TPU no Cloud ML Engine. Veja mais detalhes no guia de preços.
6 de agosto de 2018
A versão 1.9 do ambiente de execução do Cloud ML Engine já está disponível para treinamento e previsão. Essa versão é compatível com o TensorFlow 1.9 e outros pacotes, conforme descrito na lista de versões do ambiente de execução.
23 de julho de 2018
O Cloud ML Engine agora é compatível com scikit-learn e XGBoost para treinamento. Esse recurso está com disponibilidade geral. Consulte o guia de treinamento com scikit-learn e XGBoost no Cloud ML Engine.
A previsão on-line com scikit-learn e XGBoost agora está disponível para o público em geral.
- Defina
frameworkemprojects.models.versions.createpara especificar o framework de machine learning ao criar uma versão do modelo. Os valores válidos são:TENSORFLOW,SCIKIT_LEARNeXGBOOST.TENSORFLOWé o padrão. Se você especificarSCIKIT_LEARNouXGBOOST, também será preciso definirruntimeVersioncomo 1.4 ou posterior na versão do modelo. - Consulte o guia de treinamento local e previsões on-line com scikit-learn e XGBoost.
12 de julho de 2018
É possível adicionar rótulos aos seus recursos do AI Platform Prediction (jobs, modelos e versões de modelo). Use-os para organizar os recursos em categorias. Os rótulos também estão disponíveis nas operações. Nesse caso, eles são derivados do recurso a que a operação se aplica. Leia mais sobre como adicionar e usar rótulos.
26 de junho de 2018
As seguintes regiões agora estão totalmente disponíveis:
- us-east1
- asia-northeast1
Veja mais detalhes sobre a disponibilidade de regiões.
13 de junho de 2018
A compatibilidade com treinamento da TPU para o ambiente de execução do Cloud ML versão 1.6 terminou em 13 de junho de 2018. Veja as versões atualmente compatíveis na lista de versões do ambiente de execução.
29 de maio de 2018
Agora é possível usar o Cloud TPU (Beta) com o TensorFlow 1.8 e a versão 1.8 do ambiente de execução do Cloud ML Engine.
Informações contextuais: o Cloud TPU tornou-se disponível para as versões 1.6 e 1.7 do ambiente de execução do Cloud ML Engine em 14 de maio. Na semana passada, lançamos a versão 1.8 do ambiente de execução, mas o Cloud TPU ainda não estava disponível para o TensorFlow 1.8. Agora ele está. Veja como usar TPUs para treinar modelos no Cloud ML Engine.
16 de maio de 2018
A versão 1.8 do ambiente de execução do Cloud ML Engine já está disponível para treinamento e previsão. Essa versão é compatível com o TensorFlow 1.8 e outros pacotes, conforme descrito na lista de versões de ambiente de execução.
15 de maio de 2018
Agora é possível atualizar o número mínimo de nós para escalonamento automático em uma versão de modelo atual, além de especificar o atributo ao criar uma nova versão.
14 de maio de 2018
O Cloud ML Engine agora oferece o Cloud TPU (Beta) para treinamento de modelos do TensorFlow. As Unidades de Processamento de Tensor (TPUs, na sigla em inglês) são ASICs desenvolvidos especialmente pelo Google, que são usadas para acelerar as cargas de trabalho de machine learning. Veja como usar TPUs para treinar modelos no Cloud ML Engine.
26 de abril de 2018
A versão 1.7 do ambiente de execução do Cloud ML Engine já está disponível para treinamento e previsão. Essa versão é compatível com o TensorFlow 1.7 e outros pacotes, conforme descrito na lista de versões de ambiente de execução.
16 de abril de 2018
Algoritmos de hiperparâmetros: ao ajustar os hiperparâmetros no job de treinamento, agora é possível especificar um algoritmo de pesquisa no HyperparameterSpec. Veja a seguir os valores disponíveis:
GRID_SEARCH: uma pesquisa de grade simples dentro do espaço viável. Essa opção será útil principalmente se você quiser especificar um número de tentativas que seja maior do que o número de pontos no espaço viável. Nesse caso, se você não especificar uma pesquisa de grade, o algoritmo padrão do Cloud ML Engine poderá gerar sugestões duplicadas. Para usar a pesquisa de grade, todos os parâmetros precisam ser do tipoINTEGER,CATEGORICALouDISCRETE.RANDOM_SEARCH: uma pesquisa aleatória simples dentro do espaço viável.
Se você não especificar um algoritmo, o job usará o algoritmo padrão do Cloud ML Engine, que controla a pesquisa no espaço de parâmetros de maneira mais eficaz para chegar à solução ideal. Para mais informações, consulte a visão geral do ajuste de hiperparâmetros.
5 de abril de 2018
O Cloud ML Engine agora é compatível com o scikit-learn e o XGBoost para previsões on-line. Esse recurso está na versão Beta.
- Defina
frameworkemprojects.models.versions.createpara especificar o framework de machine learning ao criar uma versão do modelo. Os valores válidos são:TENSORFLOW,SCIKIT_LEARNeXGBOOST.TENSORFLOWé o padrão. Se você especificarSCIKIT_LEARNouXGBOOST, também será preciso definirruntimeVersioncomo 1.4 ou posterior na versão do modelo. - Consulte o guia sobre scikit-learn e XGBoost no Cloud ML Engine.
O Python 3.5 está disponível para previsão on-line.
- Defina
pythonVersionemprojects.models.versions.createpara especificar a versão do Python ao criar uma versão de modelo. O padrão é o Python 2.7. - Para saber detalhes de todos os pacotes disponíveis no Cloud ML Engine, consulte a lista de versões do ambiente de execução.
20 de março de 2018
A versão 1.6 do ambiente de execução do Cloud ML Engine já está disponível para treinamento e previsão. Esta versão é compatível com o TensorFlow 1.6 e outros pacotes, conforme listado na lista de versões de ambiente de execução.
13 de março de 2018
A versão do ambiente de execução do Cloud ML Engine para TensorFlow 1.5 já está disponível para treinamento e previsão. Para mais informações, consulte a Lista de versões do ambiente de execução.
8 de fevereiro de 2018
Foram adicionados novos recursos para o ajuste de hiperparâmetros: parada antecipada automática de testes, retomada de um job anterior de ajuste de hiperparâmetros e outras otimizações de eficiência quando você executa jobs semelhantes. Para mais informações, consulte a visão geral do ajuste de hiperparâmetro.
14 de dezembro de 2017
A versão do ambiente de execução do Cloud ML Engine para TensorFlow 1.4 já está disponível para treinamento e previsão. Para mais informações, consulte a Lista de versões do ambiente de execução.
O Python 3 já está disponível para treinamento como parte da versão do ambiente de execução do Cloud ML Engine para TensorFlow 1.4. Para mais informações, consulte a Lista de versões do ambiente de execução.
Agora o recurso de previsão on-line está disponível para um único núcleo. Consulte o guia sobre previsão on-line e esta postagem do blog (em inglês).
O preço foi reduzido e simplificado para treinamento e previsão. Consulte os detalhes de preços, esta postagem do blog (em inglês) e a comparação entre os preços anteriores e atuais nas Perguntas frequentes sobre preços.
As GPUs P100 estão agora em fase Beta. O uso delas passará a gerar cobranças. Para mais informações, consulte Como usar GPUs e preços.
26 de outubro de 2017
A geração de registros de auditoria do Cloud ML Engine está agora na fase Beta. Para mais informações, consulte Como ver registros de auditoria.
25 de setembro de 2017
Os papéis do IAM predefinidos para Cloud ML Engine estão disponíveis para uso geral. Consulte Controle de acesso para mais informações.
27 de junho de 2017
A versão do ambiente de execução do Cloud ML Engine para TensorFlow 1.2 já está disponível para treinamento e previsão. Para mais informações, consulte a Lista de versões do ambiente de execução.
As versões anteriores do ambiente de execução com TensorFlow 0.11 e 0.12 não são mais compatíveis com o Cloud ML Engine. Para mais informações, consulte a Lista de versões do ambiente de execução e os cronogramas de compatibilidade com versões anteriores do ambiente de execução.
9 de maio de 2017
Anunciada a disponibilidade geral de máquinas habilitadas para GPU. Para mais informações, consulte Como usar GPUs para modelos de treinamento na nuvem.
27 de abril de 2017
As GPUs estão agora disponíveis na região us-central1. Para a lista completa de regiões compatíveis com GPUs, consulte Como usar GPUs para modelos de treinamento na nuvem.
v1 (8 de março de 2017)
Anúncio da disponibilidade geral do AI Platform Prediction. A versão 1 do Cloud ML Engine está disponível para uso geral em modelos de treinamento e de implantação e geração de previsões em lote. O recurso de ajuste de hiperparâmetros também está disponível para uso geral, mas a previsão on-line e as máquinas habilitadas para GPU permanecem na versão Beta.
A previsão on-line está agora na fase de lançamento Beta. No momento, seu uso está sujeito à política de preços do Cloud ML Engine e à mesma fórmula de preços aplicada à previsão em lote. Enquanto permanecer em Beta, a previsão on-line não se destina ao uso em aplicativos críticos.
Os ambientes que o Cloud ML Engine usa para treinar modelos e fazer previsões foram definidos como versões de ambiente de execução do Cloud ML Engine. Especifique uma versão de ambiente de execução compatível para usar ao treinar, definir um recurso de modelo ou solicitar previsões em lote. Neste momento, as versões de ambiente de execução diferem principalmente em relação à versão do TensorFlow compatível com cada uma delas, mas outras diferenças poderão surgir ao longo do tempo. Encontre os detalhes na lista de versões do ambiente de execução.
Agora é possível executar trabalhos de previsão em lote com base nos SavedModels do TensorFlow que estiverem armazenados no Google Cloud Storage e não hospedados como uma versão do modelo no Cloud ML Engine. Quando você criar o job, use o URI do SavedModel em vez de fornecer um ID do modelo ou da versão.
O SDK do Google Cloud Machine Learning, antes lançado como Alfa, está obsoleto e não tem mais suporte desde de 7 de maio de 2017. A maior parte da funcionalidade disponibilizada pelo SDK foi transferida para o novo pacote do TensorFlow, tf.Transform (em inglês).
Use a tecnologia ou ferramenta que preferir para fazer o pré-processamento dos dados de entrada. No entanto, recomendamos o tf.Transform e os serviços disponíveis no Google Cloud Platform, incluindo o Google Cloud Dataflow, o Google Cloud Dataproc e o Google BigQuery.
v1beta1 (29 de setembro de 2016)
A previsão on-line é um recurso Alfa. Embora o AI Platform Prediction como um todo esteja na fase Beta, a previsão on-line ainda está passando por mudanças significativas para melhorar o desempenho. Você não será cobrado pela previsão on-line enquanto ela for um recurso Alfa.
O pré-processamento e o restante do Cloud ML Engine SDK são recursos Alfa. O SDK está em desenvolvimento ativo para melhorar a integração entre o Cloud ML Engine e o Apache Beam.