この古いバージョンの AI Platform Prediction は非推奨になりました。2025 年 1 月 31 日を過ぎると Google Cloud で使用できなくなります。2025 年 1 月 31 日以降、すべてのモデル、関連するメタデータ、デプロイが削除されます。リソースを Vertex AI に移行することで、AI Platform にはない新しい機械学習機能を利用できます。

リリースノートのアーカイブ

Google Cloud リリースノートのページで、Google Cloud の最新のプロダクト更新情報をすべて確認できます。

2019 年 4 月 10 日、Cloud Machine Learning Engine が AI Platform Training と AI Platform Prediction になりました。このページには Cloud ML Engine の更新履歴が記載されています。

現在のリリースノートをご覧ください。

2019 年 4 月 1 日

Cloud ML Engine のトレーニング、オンライン予測、バッチ予測の料金が引き下げられました。

詳細については、Cloud ML Engine の料金をご覧ください。

2019 年 3 月 28 日

Cloud ML Engine は、組み込みアルゴリズムを使用したトレーニングの提供を開始しました。データを送信して自動で前処理させて、モデルを TensorFlow 線形学習者、TensorFlow ワイド＆ディープ、および XGBoost アルゴリズムでトレーニングできます。コードを記述する必要はありません。

詳しくは、組み込みアルゴリズムを使用したトレーニングをご覧ください。

2019 年 3 月 25 日

Cloud ML Engine ランタイムバージョン 1.13 に TensorFlow 1.13.1 のサポートが追加されました。ランタイムバージョン 1.13 に含まれる全パッケージのリストについては、ランタイムバージョンのリストをご覧ください。

2019 年 3 月 8 日

Cloud ML Engine ランタイムバージョン 1.9 の TPU を使用したトレーニングのサポートは、2019 年 3 月 8 日に終了しました。現在サポートされているバージョンについては、ランタイムバージョンのリストをご覧ください。

2019 年 3 月 6 日

Cloud ML Engine ランタイムバージョン 1.13 がトレーニングと予測に使用できるようになりました。このバージョンは、TensorFlow 1.13 をサポートし、ランタイムバージョンのリストに記載される他のパッケージを含んでいます。

TPU を使用したトレーニングは、現時点ではランタイムバージョン 1.13 でサポートされていません。

2019 年 3 月 1 日

AI Platform Notebooks のベータ版がリリースされました。AI Platform Notebooks を使用すると、JupyterLab にあらかじめパッケージ化された仮想マシン（VM）インスタンスとディープラーニングソフトウェアスイートを作成および管理できます。

詳しくは、AI Platform Notebooks の概要と新しいノートブックインスタンスを作成するをご覧ください。

2019 年 2 月 13 日

Cloud TPU が一般提供され、TensorFlow モデルのトレーニングで使用できるようになりました。Tensor Processing Unit（TPU）は、機械学習ワークロードを高速化するために Google が独自に開発したアクセラレータです。

Cloud ML Engine 上で TPU を使用してモデルをトレーニングする方法を確認してください。TPU の料金についてはこちらをご覧ください。

2019 年 2 月 7 日

カスタムコンテナを使用したトレーニングがベータ版で利用可能になりました。この機能により、Cloud ML Engine 上でカスタム Docker イメージを使用してトレーニングアプリケーションを実行できます。カスタムコンテナは、任意の ML フレームワークを使用して作成できます。カスタムコンテナを使用した PyTorch モデルのトレーニングをお試しください。

特定の Compute Engine マシンタイプを指定してトレーニングジョブを構成できるようになりました。これにより、トレーニングジョブにさらに柔軟にコンピューティングリソースを割り当てることができます。この機能はベータ版で利用できます。

Compute Engine マシンタイプを指定してジョブを構成するときに、任意のセットの GPU を接続することもできます。

詳細については、Compute Engine のマシンタイプ、GPU 接続、料金をご覧ください。

トレーニングに P4 GPU のベータ版を利用できるようなりました。詳細については、GPU の使用に関するガイド、GPU を利用可能なリージョン、GPU の料金をご覧ください。

2019 年 2 月 1 日

クアッドコア CPU のベータ版でオンライン予測が可能になりました。マシンタイプの名前が変更され、料金が更新されました。

projects.models.versions.create に machineType を設定して、サービスに使用するマシンタイプを指定します。クアッドコア CPU には mls1-c4-m2 を使用します。デフォルトは、シングルコア CPU である mls1-c1-m2 です。
アルファ版で使用されているマシン名 mls1-highmem-1 と mls1-highcpu-4 は非推奨になりました。
詳細については、オンライン予測のガイドをご覧ください。
マシンタイプについては、更新版の料金をご覧ください。

2019 年 1 月 25 日

オンライン予測が、us-east4 リージョンで利用可能になりました。利用可能なリージョンに関するガイドをご覧ください。

2019 年 1 月 10 日

V100 GPU を使用するトレーニングが一般提供になりました。詳細については、GPU の使用と料金に関するガイドをご覧ください。

2018 年 12 月 19 日

Cloud ML Engine ランタイムバージョン 1.11 と 1.12 がトレーニングと予測に使用できるようになりました。これらのバージョンは TensorFlow 1.11、1.12 をそれぞれサポートしています。また、ランタイムバージョンのリストにある他のパッケージもサポートしています。

TPU トレーニングが Cloud ML Engine ランタイムバージョン 1.11 と 1.12 でサポートされるようになりました。バージョン 1.10 はサポートされていません。現在サポートされているバージョンについては、ランタイムバージョンのリストをご覧ください。

Cloud ML Engine ランタイムのバージョンごとに joblib が同梱されるようになりました。joblib は、バージョン 1.4 以降のランタイムに同梱されます。

2018 年 10 月 26 日

Cloud ML ランタイムバージョン 1.8 向けの TPU トレーニングのサポートは、2018 年 10 月 26 日に終了しました。現在サポートされているバージョンについては、ランタイムバージョンのリストをご覧ください。

2018 年 10 月 11 日

Cloud ML Engine ランタイムバージョン 1.11 は、GPU トレーニング中の CuDNN バージョンの不一致によるエラーのためにロールバックされます。現在の回避策は、ランタイムバージョン 1.10 を使用することです。詳細については、ランタイムバージョンリストをご覧ください。

2018 年 10 月 5 日

Cloud ML Engine ランタイムバージョン 1.11 がトレーニングと予測に使用できるようになりました。このバージョンは、TensorFlow 1.11 とランタイムバージョンのリストにある他のパッケージをサポートしています。

2018 年 8 月 31 日

Cloud ML Engine ランタイムバージョン 1.10 がトレーニングと予測に使用できるようになりました。このバージョンは、TensorFlow 1.10 とランタイムバージョンのリストにある他のパッケージをサポートしています。

2018 年 8 月 27 日

トレーニングに V100 GPU のベータ版を使用できるようになりました。今後、V100 GPU を使用すると、料金が発生します。詳細については、GPU の使用と料金に関するガイドをご覧ください。

P100 GPU を使用するトレーニングが一般提供になりました。詳細については、GPU の使用と料金に関するガイドをご覧ください。

us-west1 と europe-west4 の 2 つの新しいリージョンでトレーニングを実施できることになりました。詳細については、リージョンのページをご覧ください。

2018 年 8 月 24 日

Cloud ML ランタイムバージョン 1.7 の TPU トレーニングのサポートは、2018 年 8 月 24 日に終了しました。現在サポートされているバージョンについては、ランタイムバージョンのリストをご覧ください。

2018 年 8 月 9 日

このたび、AI Platform Prediction によるオンライン予測の料金を大幅に値下げすることになりました。

次の表に、新旧の料金を示します。

リージョン	1 時間あたりのノードごとの旧料金	1 時間あたりのノードごとの新料金
米国	$0.30 米ドル	$0.056 米ドル
ヨーロッパ	$0.348 米ドル	$0.061 米ドル
アジア太平洋	$0.348 米ドル	$0.071 米ドル

詳細については、料金ガイドをご覧ください。

2018 年 8 月 8 日

このたび、AI Platform Prediction の Cloud TPU のキャンペーンを実施し、料金を大幅に値下げすることになりました。

次の表に、新旧の料金を示します。

リージョン: 米国	1 時間あたりの TPU ごとの旧料金	1 時間あたりの TPU ごとの新料金
スケール階層: `BASIC_TPU`（ベータ版）	$9.7674 米ドル	$6.8474 米ドル
カスタムマシンタイプ: `cloud_tpu`（ベータ版）	$9.4900 米ドル	$6.5700 米ドル

この表には、米国リージョンのみの料金が示されています。Cloud ML Engine での Cloud TPU の提供状況に変更はありません。詳細については、料金ガイドをご覧ください。

2018 年 8 月 6 日

Cloud ML Engine ランタイムバージョン 1.9 がトレーニングと予測に使用できるようになりました。このバージョンは、TensorFlow 1.9 とランタイムバージョンのリストにある他のパッケージをサポートしています。

2018 年 7 月 23 日

Cloud ML Engine で、トレーニングに scikit-learn と XGBoost を利用できるようになりました。この機能は一般提供です。Cloud ML Engine での scikit-learn と XGBoost によるトレーニングのガイドをご覧ください。

オンライン予測での scikit-learn と XGBoost のサポートが一般提供になりました。

モデルバージョンを作成する際に、projects.models.versions.create に framework を設定して機械学習フレームワークを指定します。有効な値は TENSORFLOW、SCIKIT_LEARN、XGBOOST です。デフォルトは TENSORFLOW です。SCIKIT_LEARN または XGBOOST を指定する場合は、モデルバージョンで runtimeVersion を 1.4 以上に設定する必要があります。
scikit-learn と XGBoost によるローカルトレーニングとオンライン予測のガイドをご覧ください。

2018 年 7 月 12 日

AI Platform Prediction のリソース（ジョブ、モデル、モデルバージョン）にラベルを追加すると、これらのラベルを使用してリソースをカテゴリ別に整理できます。ラベルはオペレーションでも使用できますが、この場合はオペレーションの適用先のリソースからラベルが導出されます。詳細については、ラベルの追加と使用に関する記事をご覧ください。

2018 年 6 月 26 日

次の追加のリージョンで全機能が利用できるようになりました。

us-east1
asia-northeast1

詳細については、利用可能なリージョンをご覧ください。

2018 年 6 月 13 日

Cloud ML ランタイムバージョン 1.6 での TPU トレーニングのサポートは、2018 年 6 月 13 日に終了しました。現在サポートされているバージョンについては、ランタイムバージョンのリストをご覧ください。

2018 年 5 月 29 日

TensorFlow 1.8 と Cloud ML Engine ランタイムバージョン 1.8 で Cloud TPU（ベータ版）を使用できるようになりました。

背景情報: 5 月 14 日より、Cloud TPU が Cloud ML Engine ランタイムバージョン 1.6 と 1.7 で使用できるようになりました。先週、ランタイムバージョン 1.8 がリリースされましたが、その時点では TensorFlow 1.8 で Cloud TPU はまだ使用できませんでした。現在は使用できるようになりました。Cloud ML Engine で TPU を使用してモデルをトレーニングする方法をご覧ください。

2018 年 5 月 16 日

Cloud ML Engine ランタイムバージョン 1.8 がトレーニングと予測に使用できるようになりました。このバージョンは、TensorFlow 1.8 とランタイムバージョンのリストにある他のパッケージをサポートしています。

2018 年 5 月 15 日

既存のモデルバージョンで自動スケーリングするノードの最小数を更新できるようになりました。また、新しいバージョンを作成するときに属性を指定できるようになりました。

2018 年 5 月 14 日

Cloud ML Engine は、TensorFlow モデルのトレーニング用に Cloud TPU（ベータ版）を提供するようになりました。Tensor Processing Unit（TPU）は、Google 独自開発の ASIC であり、機械学習ワークロードを高速化します。Cloud ML Engine で TPU を使用してモデルをトレーニングする方法をご覧ください。

2018 年 4 月 26 日

Cloud ML Engine ランタイムバージョン 1.7 がトレーニングと予測に使用できるようになりました。このバージョンは、TensorFlow 1.7 とランタイムバージョンのリストにある他のパッケージをサポートしています。

2018 年 4 月 16 日

ハイパーパラメータアルゴリズム: トレーニングジョブでハイパーパラメータを調整するときに、HyperparameterSpec で検索アルゴリズムを指定できるようになりました。使用可能な値は次のとおりです。

GRID_SEARCH: 実行可能領域内の単純なグリッド検索。このオプションは、実行可能領域内のポイント数を超える試行回数を指定する場合に特に便利です。そのような場合、グリッド検索を指定しないと、Cloud ML Engine のデフォルトアルゴリズムによって重複した候補が生成されることがあります。グリッド検索を使用するには、すべてのパラメータの型が INTEGER、CATEGORICAL、または DISCRETE でなければなりません。
RANDOM_SEARCH: 実行可能領域内の単純なランダム検索。

アルゴリズムを指定しない場合、デフォルトの Cloud ML Engine アルゴリズムが使用されます。このアルゴリズムは、パラメータ空間のより効果的な検索により、最適なソリューションを導き出します。ハイパーパラメータ調整の詳細については、ハイパーパラメータ調整の概要をご覧ください。

2018 年 4 月 5 日

Cloud ML Engine で、オンライン予測に scikit-learn と XGBoost を利用できるようになりました。この機能はベータ版です。

モデルバージョンを作成する際に、projects.models.versions.create に framework を設定して機械学習フレームワークを指定します。有効な値は TENSORFLOW、SCIKIT_LEARN、XGBOOST です。デフォルトは TENSORFLOW です。SCIKIT_LEARN または XGBOOST を指定する場合は、モデルバージョンで runtimeVersion を 1.4 以上に設定する必要があります。
Cloud ML Engine での scikit-learn と XGBoost のガイドをご覧ください。

オンライン予測に Python 3.5 を利用できます。

モデルバージョンを作成する際に projects.models.versions.create に pythonVersion を設定して Python のバージョンを指定します。デフォルトは Python 2.7 です。
Cloud ML Engine で利用可能なパッケージの詳細については、ランタイムバージョンのリストをご覧ください。

2018 年 3 月 20 日

Cloud ML Engine ランタイムバージョン 1.6 がトレーニングと予測に使用できるようになりました。このバージョンは、TensorFlow 1.6 とランタイムバージョンのリストにある他のパッケージをサポートしています。

2018 年 3 月 13 日

TensorFlow 1.5 の Cloud ML Engine ランタイムバージョンがトレーニングと予測に使用できるようになりました。詳細については、ランタイムバージョンリストをご覧ください。

2018 年 2 月 8 日

ハイパーパラメータ調整に新機能が追加されました。トライアルの早期自動停止、以前のハイパーパラメータ調整ジョブの再開、類似したジョブの実行中の効率的な最適化などの機能が追加されています。ハイパーパラメータ調整については、ハイパーパラメータ調整の概要をご覧ください。

2017 年 12 月 14 日

TensorFlow 1.4 の Cloud ML Engine ランタイムバージョンがトレーニングと予測に使用できるようになりました。詳細については、ランタイムバージョンリストをご覧ください。

TensorFlow 1.4 の Cloud ML Engine ランタイムバージョンの一部として、Python 3 がトレーニングに使用できるようになりました。詳細については、ランタイムバージョンリストをご覧ください。

オンライン予測が一般提供され、シングルコアサービスで使えるようになりました。オンライン予測に関するガイドとブログ投稿をご覧ください。

トレーニングと予測の両方で価格設定が引き下げられ、シンプルになりました。料金の詳細とブログ投稿をご覧ください。また、新旧の料金の比較については料金に関するよくある質問をご覧ください。

P100 GPU がベータ版で利用可能になりました。今後、P100 GPU を使用すると料金が発生します。詳細については、GPU の使用と料金をご覧ください。

2017 年 10 月 26 日

Cloud ML Engine の監査ロギングがベータ版で利用可能になりました。詳細については、監査ログの表示をご覧ください。

2017 年 9 月 25 日

Cloud ML Engine の事前定義された IAM のロールが一般提供になりました。詳細については、アクセス制御をご覧ください。

2017 年 6 月 27 日

TensorFlow 1.2 の Cloud ML Engine ランタイムバージョンがトレーニングと予測に使用できるようになりました。詳細については、ランタイムバージョンリストをご覧ください。

TensorFlow 0.11 および 0.12 の古いランタイムバージョンが Cloud ML Engine でサポートされなくなりました。詳細については、ランタイムバージョンリストと古いランタイムバージョンのサポートタイムラインをご覧ください。

2017 年 5 月 9 日

GPU が有効なマシンの一般提供が発表されました。詳細については、クラウド中のトレーニングモデルに GPU を使用をご覧ください。

2017 年 4 月 27 日

GPU は us-central1 リージョンで利用できるようになりました。GPU をサポートするリージョンの一覧については、クラウド内でのモデルのトレーニングに GPU を使用するをご覧ください。

v1（2017 年 3 月 8 日）

AI Platform Prediction の一般提供を発表しました。Cloud ML Engine のバージョン 1 は、モデルのトレーニング、モデルの導入、バッチ予測の生成に一般的に使用できます。ハイパーパラメータ調整機能も一般提供になりましたが、オンライン予測と GPU 対応マシンはベータ版のままです。

オンラインでの予測は、ベータ版のリリース段階に入っています。現在、Cloud ML Engine の料金ポリシーの対象となっており、バッチ予測と同じ価格設定式に従います。まだベータ版のままで、オンライン予測は重要なアプリケーションでは使用できません。

Cloud ML Engine をモデルのトレーニングや予測のために使用する環境では、Cloud ML Engine のランタイムバージョンとして定義されています。トレーニング、モデルリソースの定義、またはバッチ予測の要求時に使用する、サポートされているランタイムバージョンを指定できます。現時点でのランタイムバージョンの主な違いは、それぞれがサポートしている TensorFlow のバージョンですが、今後より多くの違いが生じる可能性があります。詳細については、ランタイムバージョンリストをご覧ください。

Google Cloud Storage でモデルバージョンとしてホストされていない Google Cloud Storage に保存されている TensorFlow SavedModels に対してバッチ予測ジョブを実行できるようになりました。ジョブの作成時にモデルまたはバージョンの ID を指定する代わりに、SavedModel の URI を使用できます。

以前はアルファ版としてリリースされていた Google Cloud Machine Learning SDK は非推奨となり、2017 年 5 月 7 日以降はサポートされなくなります。SDK によって公開されている機能のほとんどは、新しい TensorFlow パッケージ tf.Transform に移行されました。どのような技術やツールを使用しても、入力データを前処理できます。ただし、tf.Transform とともに、Google Cloud Platform で使用可能なサービス（Google Cloud Dataflow、Google Cloud Dataproc、Google BigQuery など）をおすすめしています。

v1 ベータ 1（2016 年 9 月 29 日）

オンライン予測はアルファ版機能です。AI Platform Prediction 全体としてはベータ版のフェーズにありますが、オンライン予測は、性能改善のための重大な変更がいまだ進行中です。アルファ版である間は、オンライン予測には課金されません。

前処理とその他の Cloud ML Engine SDK はアルファ版の機能です。Cloud ML Engine と Apache Beam の統合を進めるため、SDK の開発が積極的に進められています。