Puedes ver las últimas actualizaciones de productos de todo Google Cloud en la página Notas de la versión de Google Cloud.
El 10 de abril de 2019, Cloud Machine Learning Engine se convirtió en AI Platform Training y AI Platform Prediction. En esta página, se documentan las actualizaciones pasadas de Cloud ML Engine.
Para ver las notas de la versión actuales, consulta lo siguiente:
1 de abril de 2019
Cloud ML Engine ahora ofrece precios reducidos para el entrenamiento, la predicción en línea y la predicción por lotes.
Obtén más información sobre los precios de Cloud ML Engine.
28 de marzo de 2019
Cloud ML Engine ahora ofrece un entrenamiento con algoritmos integrados. Puedes enviar tus datos para el procesamiento previo automático y entrenar un modelo en el algoritmo de aprendizaje lineal de TensorFlow, el algoritmo de amplitud y profundidad de TensorFlow y los algoritmos de XGBoost sin escribir ningún código.
Obtén más información sobre el entrenamiento con algoritmos integrados.
25 de marzo de 2019
La versión 1.13 del entorno de ejecución de Cloud ML Engine ahora es compatible con TensorFlow 1.13.1. Consulta la lista de versiones del entorno de ejecución para obtener la lista completa de los paquetes incluidos en la versión 1.13 del entorno de ejecución.
8 de marzo de 2019
La compatibilidad del entrenamiento con TPU en la versión 1.9 del entorno de ejecución de Cloud ML Engine finalizó el 8 de marzo de 2019. Consulta las versiones admitidas en la actualidad en la lista de versiones del entorno de ejecución.
6 de marzo de 2019
La versión 1.13 del entorno de ejecución de Cloud ML Engine ya está disponible para el entrenamiento y la predicción. Esta versión es compatible con TensorFlow 1.13 y, además, incluye otros paquetes que se enumeran en la lista de versiones del entorno de ejecución.
En la actualidad, el entrenamiento con TPU no es compatible con la versión 1.13 del entorno de ejecución.
1 de marzo de 2019
AI Platform Notebooks ya está disponible en versión Beta. AI Platform Notebooks te permite crear y administrar instancias de máquinas virtuales (VM) que vienen empaquetadas de forma previa con JupyterLab y un conjunto de software de aprendizaje profundo.
Visita la descripción general de AI Platform Notebooks y la guía para crear una instancia nueva de notebook a fin de obtener más información.
13 de febrero de 2019
Ahora Cloud TPU está disponible de manera general para el entrenamiento de modelos de TensorFlow. Las unidades de procesamiento tensorial (TPU) son los aceleradores de desarrollo personalizado de Google para las cargas de trabajo de aprendizaje automático.
Consulta cómo usar las TPU para entrenar tus modelos en Cloud ML Engine y obtén más información sobre sus precios.
7 de febrero de 2019
El entrenamiento con contenedores personalizados ahora está disponible en versión Beta. Esta función te permite ejecutar tu aplicación de entrenamiento en Cloud ML Engine mediante el uso de una imagen personalizada de Docker. Puedes compilar el contenedor personalizado con los frameworks de AA que elijas. Comienza a entrenar un modelo de PyTorch con contenedores personalizados.
Ahora puedes configurar trabajos de entrenamiento con ciertos tipos de máquinas de Compute Engine. Esto proporciona una flexibilidad adicional para la asignación de recursos de procesamiento a los trabajos de entrenamiento. Está función está disponible en versión Beta.
Cuando configuras tu trabajo con los tipos de máquinas de Compute Engine, puedes conectar un conjunto personalizado de GPU.
Obtén más información sobre los tipos de máquinas de Compute Engine, las GPU conectadas y sus precios.
Las GPU P4 ahora están en versión Beta para entrenamiento. Para obtener más información, consulta las guías sobre el uso de GPU, su disponibilidad regional y sus precios.
1 de febrero de 2019
Las CPU de cuatro núcleos ahora están disponibles en versión Beta para la predicción en línea. Se cambian los nombres de los tipos de máquina y se actualiza el precio.
- Configura
machineTypecomoprojects.models.versions.createa fin de especificar el tipo de máquina que se usará para la entrega. Usamls1-c4-m2para las CPU de cuatro núcleos. La opción de configuración predeterminada es la CPU de un núcleo,mls1-c1-m2. - Los siguientes nombres de máquinas usados en la versión Alfa están obsoletos:
mls1-highmem-1ymls1-highcpu-4. - Para obtener más información, consulta la guía sobre la predicción en línea.
- Consulta los precios actualizados para la entrega de tipos de máquinas.
25 de enero de 2019
La predicción en línea ya está disponible en la región us-east4. Consulta la guía sobre la disponibilidad de las regiones.
10 de enero de 2019
Las GPU V100 ahora están disponibles para entrenamiento. Para obtener más información, consulta las guías sobre el uso de GPU y los precios.
19 de diciembre de 2018
Las versiones 1.11 y 1.12 del entorno de ejecución de Cloud ML Engine ahora están disponibles para el entrenamiento y la predicción. Estas versiones son compatibles con TensorFlow 1.11 y 1.12 respectivamente, y con otros paquetes que se enumeran en la lista de versiones del entorno de ejecución.
Se agregó la compatibilidad con el entrenamiento de TPU a las versiones 1.11 y 1.12 del entorno de ejecución de Cloud ML Engine. La versión 1.10 no es compatible. Consulta las versiones admitidas en la actualidad en la lista de versiones del entorno de ejecución.
Cada versión del entorno de ejecución de Cloud ML Engine ahora incluye joblib. La primera versión del entorno de ejecución que incluye joblib es la versión 1.4.
26 de octubre de 2018
La compatibilidad con el entrenamiento de TPU para la versión 1.8 del entorno de ejecución de Cloud ML finalizó el 26 de octubre de 2018. Consulta las versiones admitidas en la actualidad en la lista de versiones del entorno de ejecución.
11 de octubre de 2018
La versión 1.11 del entorno de ejecución de Cloud ML Engine se revierte debido a errores causados por una incompatibilidad de las versiones de CuDNN durante el entrenamiento de GPU. La solución alternativa actual es usar la versión 1.10 del entorno de ejecución. Para obtener más detalles, consulta la lista de versiones del entorno de ejecución.
5 de octubre de 2018
La versión 1.11 del entorno de ejecución de Cloud ML Engine ya está disponible para el entrenamiento y la predicción. Esta versión es compatible con TensorFlow 1.11 y con otros paquetes que se enumeran en la lista de versiones del entorno de ejecución.
31 de agosto de 2018
La versión 1.10 del entorno de ejecución de Cloud ML Engine ya está disponible para el entrenamiento y la predicción. Esta versión es compatible con TensorFlow 1.10 y con otros paquetes que se enumeran en la lista de versiones del entorno de ejecución.
27 de agosto de 2018
Las GPU V100 ahora están disponibles en versión Beta para el entrenamiento. El uso de las GPU V100 ahora genera cargos. Para obtener más información, consulta las guías sobre el uso de GPU y los precios.
Las GPU P100 ahora están disponibles para el entrenamiento. Para obtener más información, consulta las guías sobre el uso de GPU y los precios.
Ahora están disponibles dos nuevas regiones para el entrenamiento: us-west1 y europe-west4. Consulta la página de las regiones para obtener más información.
24 de agosto de 2018
La compatibilidad con el entrenamiento de TPU para la versión 1.7 del entorno de ejecución de Cloud ML finalizó el 24 de agosto de 2018. Consulta las versiones admitidas en la actualidad en la lista de versiones del entorno de ejecución.
9 de agosto de 2018
Estamos encantados de anunciar reducciones de precio significativas para la predicción en línea con AI Platform Prediction.
En la siguiente tabla, se muestran los precios anteriores y los nuevos:
| Región | Precio anterior por nodo, por hora | Precio nuevo por nodo, por hora |
|---|---|---|
| EE.UU. | $0.30 | $0.056 |
| Europa | $0.348 | $0.061 |
| Asia-Pacífico | $0.348 | $0.071 |
Consulta la guía de precios para obtener más detalles.
8 de agosto de 2018
Estamos encantados de anunciar precios de promoción para Cloud TPU con AI Platform Prediction, lo que supone una reducción significativa de los precios.
En la siguiente tabla, se muestran los precios anteriores y los nuevos:
| Región: EE.UU. | Precio anterior por TPU por hora | Precio nuevo por TPU por hora |
|---|---|---|
Nivel de escala: BASIC_TPU (versión Beta) |
$9.7674 | $6.8474 |
Tipo personalizado de máquina: cloud_tpu (versión Beta) |
$9.4900 | $6.5700 |
Ten en cuenta que en la tabla solo se muestran los precios de la región de EE.UU. La disponibilidad de Cloud TPU en Cloud ML Engine no presenta cambios. Consulta la guía de precios para obtener más detalles.
6 de agosto de 2018
La versión 1.9 del entorno de ejecución de Cloud ML Engine ya está disponible para el entrenamiento y la predicción. Esta versión es compatible con TensorFlow 1.9 y con otros paquetes que se enumeran en la lista de versiones del entorno de ejecución.
23 de julio de 2018
Cloud ML Engine ahora es compatible con scikit-learn y XGBoost para el entrenamiento. Esta función está disponible de forma general. Consulta la guía sobre el entrenamiento con scikit-learn y XGBoost en Cloud ML Engine.
La compatibilidad con la predicción en línea para scikit-learn y XGBoost ahora está disponible de forma general.
- Cuando crees una versión del modelo, configura
frameworkcomoprojects.models.versions.createpara especificar el framework de aprendizaje automático. Los valores válidos sonTENSORFLOW,SCIKIT_LEARNyXGBOOST. El valor predeterminado esTENSORFLOW. Si especificasSCIKIT_LEARNoXGBOOST, también debes configurarruntimeVersioncomo 1.4 o superior para la versión del modelo. - Consulta la guía sobre el entrenamiento local y las predicciones en línea con scikit-learn y XGBoost.
12 de julio de 2018
Puedes agregar etiquetas a tus recursos de AI Platform Prediction (trabajos, modelos y versiones de modelos) y, luego, usarlas para organizar los recursos en categorías. Las etiquetas también están disponibles en las operaciones. En este caso, las etiquetas se derivan del recurso en el que se aplica la operación. Obtén más información sobre el agregado y el uso de etiquetas.
26 de junio de 2018
Las siguientes regiones adicionales ya están disponibles por completo:
- us-east1
- asia-northeast1
Obtén más detalles sobre la disponibilidad de las regiones.
13 de junio de 2018
La compatibilidad con el entrenamiento de TPU para la versión 1.6 del entorno de ejecución de Cloud ML finalizó el 13 de junio de 2018. Consulta las versiones admitidas en la actualidad en la lista de versiones del entorno de ejecución.
29 de mayo de 2018
Ahora puedes usar Cloud TPU (versión Beta) con TensorFlow 1.8 y con la versión 1.8 del entorno de ejecución de Cloud ML Engine.
Información general: Cloud TPU está disponible en Cloud ML Engine desde el 14 de mayo en las versiones 1.6 y 1.7 del entorno de ejecución. La semana pasada se lanzó la versión 1.8 del entorno de ejecución, pero en ese momento Cloud TPU aún no estaba disponible para TensorFlow 1.8. Ahora lo está. Consulta cómo usar las TPU para entrenar tus modelos en Cloud ML Engine.
16 de mayo de 2018
La versión 1.8 del entorno de ejecución de Cloud ML Engine ya está disponible para el entrenamiento y la predicción. Esta versión es compatible con TensorFlow 1.8 y con otros paquetes que se enumeran en la lista de versiones del entorno de ejecución.
15 de mayo de 2018
Ahora puedes actualizar la cantidad mínima de nodos para el ajuste de escala automático en una versión del modelo existente. También puedes especificar el atributo cuando creas una versión nueva.
14 de mayo de 2018
Cloud ML Engine ahora ofrece Cloud TPU (versión Beta) para el entrenamiento de modelos de TensorFlow. Las unidades de procesamiento tensorial (TPU) son los ASIC de Google desarrollados de manera personalizada que se usan para acelerar las cargas de trabajo de aprendizaje automático. Consulta cómo usar TPU para entrenar tus modelos en Cloud ML Engine.
26 de abril de 2018
La versión 1.7 del entorno de ejecución de Cloud ML Engine ya está disponible para el entrenamiento y la predicción. Esta versión es compatible con TensorFlow 1.7 y con otros paquetes que se enumeran en la lista de versiones del entorno de ejecución.
16 de abril de 2018
Algoritmos de los hiperparámetros: Ahora, cuando ajustas los hiperparámetros en el trabajo de entrenamiento, puedes especificar un algoritmo de búsqueda en HyperparameterSpec. Los valores disponibles son estos:
GRID_SEARCH: Es una búsqueda por cuadrícula simple dentro del espacio posible. Esta opción es particularmente útil si deseas especificar un número de pruebas que sea mayor que el número de puntos en el espacio posible. En tales casos, si no especificas una búsqueda por cuadrícula, el algoritmo predeterminado de Cloud ML Engine podría generar sugerencias duplicadas. Para usar la búsqueda por cuadrícula, todos los parámetros deben ser del tipoINTEGER,CATEGORICALoDISCRETE.RANDOM_SEARCH: Es una búsqueda aleatoria simple dentro del espacio posible.
Si no especificas un algoritmo, tu trabajo usa el algoritmo predeterminado de Cloud ML Engine, que impulsa la búsqueda de parámetros para llegar a la solución óptima con una búsqueda más efectiva en el espacio de los parámetros. Para obtener más información sobre el ajuste de hiperparámetros, consulta la descripción general del ajuste de hiperparámetros.
5 de abril de 2018
Cloud ML Engine ahora es compatible con scikit-learn y XGBoost para la predicción en línea. Esta función está en versión Beta.
- Cuando crees una versión del modelo, configura
frameworkcomoprojects.models.versions.createpara especificar el framework de aprendizaje automático. Los valores válidos sonTENSORFLOW,SCIKIT_LEARNyXGBOOST. El valor predeterminado esTENSORFLOW. Si especificasSCIKIT_LEARNoXGBOOST, también debes configurarruntimeVersioncomo 1.4 o superior para la versión del modelo. - Consulta la guía sobre scikit-learn y XGBoost en Cloud ML Engine.
Python 3.5 está disponible para la predicción en línea.
- Cuando crees una versión del modelo, configura
pythonVersioncomoprojects.models.versions.createpara especificar la versión de Python. La opción predeterminada es Python 2.7. - Para obtener más información sobre todos los paquetes disponibles en Cloud ML Engine, consulta la lista de versiones del entorno de ejecución.
20 de marzo de 2018
La versión 1.6 del entorno de ejecución de Cloud ML Engine ya está disponible para el entrenamiento y la predicción. Esta versión es compatible con TensorFlow 1.6 y con otros paquetes que se enumeran en la lista de versiones del entorno de ejecución.
13 de marzo de 2018
La versión del entorno de ejecución de Cloud ML Engine para TensorFlow 1.5 ya está disponible a fin de realizar el entrenamiento y la predicción. Para obtener más información, consulta la lista de versiones del entorno de ejecución.
8 de febrero de 2018
Se agregaron características nuevas para el ajuste de hiperparámetros: la interrupción anticipada y automatizada de las pruebas, la reanudación de un trabajo previo de ajuste de hiperparámetros y las optimizaciones adicionales de la eficiencia cuando ejecutas trabajos similares. Para obtener más información, consulta la descripción general del ajuste de los hiperparámetros.
14 de diciembre de 2017
La versión del entorno de ejecución de Cloud ML Engine para TensorFlow 1.4 ya está disponible a fin de realizar el entrenamiento y la predicción. Para obtener más información, consulta la lista de versiones del entorno de ejecución.
Python 3 ahora está disponible a fin de realizar el entrenamiento como parte de la versión del entorno de ejecución de Cloud ML Engine para TensorFlow 1.4. Para obtener más información, consulta la lista de versiones del entorno de ejecución.
La predicción en línea ahora está disponible de forma general para la entrega de un solo núcleo. Consulta la guía sobre la predicción en línea y la entrada de blog.
Se redujeron y simplificaron los precios de entrenamiento y predicción. Consulta los detalles de los precios, la entrada de blog y la comparación de precios antiguos y actuales en las Preguntas frecuentes sobre los precios.
Las GPU P100 ahora se encuentran en versión Beta. El uso de las GPU P100 ahora genera cargos. Para obtener más información, consulta Usa GPU y Precios.
26 de octubre de 2017
El registro de auditoría para Cloud ML Engine ahora se encuentra en versión Beta. Para obtener más información, consulta Visualiza los registros de auditoría.
25 de septiembre de 2017
Las funciones de IAM predefinidas de Cloud ML Engine están disponibles para su uso general. Para obtener más información, consulta Control de acceso.
27 de junio de 2017
La versión del entorno de ejecución de Cloud ML Engine para TensorFlow 1.2 ahora está disponible a fin de realizar el entrenamiento y la predicción. Para obtener más información, consulta la lista de versiones del entorno de ejecución.
Las versiones anteriores del entorno de ejecución con TensorFlow 0.11 y 0.12 ya no son compatibles con Cloud ML Engine. Para obtener más información, consulta la lista de versiones del entorno de ejecución y los cronogramas de compatibilidad para versiones anteriores del entorno de ejecución.
9 de mayo de 2017
Se anunció la disponibilidad general de las máquinas habilitadas para GPU. Si quieres obtener más información, consulta Usa GPU para modelos de entrenamiento en la nube.
27 de abril de 2017
Las GPU ya están disponibles en la región us-central1. Si quieres obtener la lista completa de regiones que admiten las GPU, consulta Usa GPU para modelos de entrenamiento en la nube.
v1 (8 de marzo de 2017)
Se anunció la disponibilidad general de AI Platform Prediction. La versión 1 de Cloud ML Engine está disponible para uso general a fin de entrenar modelos, implementar modelos y generar predicciones por lotes. La función de ajuste de hiperparámetros también está disponible para su uso general, pero la predicción en línea y las máquinas habilitadas para GPU permanecen en versión Beta.
La predicción en línea ahora se encuentra en la etapa de lanzamiento en versión Beta. Su uso ahora está sujeto a la política de precios de Cloud ML Engine y sigue la misma fórmula de precios que la predicción por lotes. Si bien permanece en versión Beta, la predicción en línea no está diseñada para su uso en aplicaciones críticas.
Los entornos que Cloud ML Engine usa para el entrenamiento de modelos y la obtención de predicciones se definieron como versiones del entorno de ejecución de Cloud ML Engine. Puedes especificar una versión compatible del entorno de ejecución para que se use durante el entrenamiento, la definición de un recurso del modelo o la solicitud de predicciones por lotes. En este momento, la diferencia principal entre las versiones del entorno de ejecución es la versión de TensorFlow que admite cada una de ellas, pero pueden surgir más diferencias con el tiempo. Puedes encontrar los detalles en la lista de versiones del entorno de ejecución.
Ahora puedes ejecutar trabajos de predicción por lotes en modelos guardados de TensorFlow que se almacenan en Google Cloud Storage y que no están alojados como una versión del modelo en Cloud ML Engine. En lugar de proporcionar un ID de la versión o del modelo cuando creas el trabajo, puedes usar el URI de tu modelo guardado.
El SDK de aprendizaje automático de Google Cloud, lanzado en un principio en versión Alfa, se volvió obsoleto y ya no será compatible a partir del 7 de mayo de 2017. La mayor parte de la funcionalidad que expuso el SDK se trasladó al nuevo paquete de TensorFlow, tf.Transform.
Puedes usar cualquier tecnología o herramienta que desees para procesar los datos de entrada de forma previa. Sin embargo, recomendamos tf.Transform y los servicios disponibles en Google Cloud Platform, incluidos Google Cloud Dataflow, Google Cloud Dataproc y Google BigQuery.
v1beta1 (29 de septiembre de 2016)
La predicción en línea es una función en versión Alfa. Si bien AI Platform Prediction se encuentra, en general, en su fase Beta, todavía se están haciendo cambios significativos a la predicción en línea para mejorar el rendimiento. No se te cobrará por la predicción en línea mientras permanezca en versión Alfa.
El procesamiento previo y el resto del SDK de Cloud ML Engine son funciones Alfa. El SDK se encuentra en desarrollo activo para mejorar la integración de Cloud ML Engine con Apache Beam.