Ambiente di sviluppo

Come parte di un insieme di tecnologie che contribuiscono a una soluzione di machine learning, AI Platform Training richiede un ambiente di sviluppo con prerequisiti e dipendenze configurati con attenzione. Questa pagina descrive gli elementi che compongono il tuo ambiente di sviluppo e i relativi problemi.

Supporto delle versioni di Python

AI Platform Training può eseguire Python 2.7 o Python 3. Puoi impostare la versione di Python per i job di addestramento in un file di configurazione o con i comandi gcloud.

Le previsioni online e batch funzionano con i modelli addestrati, indipendentemente dal fatto che siano stati addestrati utilizzando Python 2 o Python 3.

Se devi eseguire il porting del codice tra Python 2 e Python 3, puoi utilizzare librerie di compatibilità come six. Per impostazione predefinita, ne sono incluse sei nelle immagini di runtime di AI Platform Training.

Accesso root

Se stai configurando il tuo ambiente di sviluppo di base, potresti dover utilizzare sudo per eseguire l'installazione di pip su macOS o Linux. Tuttavia, se utilizzi un ambiente virtuale, non avrai bisogno dell'accesso root, perché l'installazione avviene al di fuori delle directory di sistema protette dal sistema operativo.

Ambiente di runtime

La configurazione delle macchine virtuali che eseguono il progetto Google Cloud nel cloud è definita dalla versione del runtime che utilizzi.

Ambienti virtuali Python

La configurazione di Python può essere complicata, soprattutto se sviluppi altre applicazioni Python utilizzando tecnologie diverse sullo stesso computer. Puoi semplificare la gestione dei pacchetti e delle versioni utilizzando un ambiente virtuale per lo sviluppo in Python.

Un ambiente virtuale Python gestisce un interprete Python e pacchetti isolati dall'ambiente predefinito del computer e dedicati al progetto. Puoi utilizzare gli ambienti virtuali per configurare ambienti separati per ogni progetto Python su cui lavori, ciascuno con la propria versione di Python e i moduli di cui hai bisogno.

Esistono diverse opzioni per gli ambienti Python virtuali. Ti consigliamo di utilizzare Anaconda (o la sua versione più piccola Miniconda). Sono inclusi il proprio gestore degli ambienti virtuali chiamato Conda. Anaconda è una popolare suite di pacchetti e strumenti comunemente utilizzata dai data scientist.

Framework di machine learning

AI Platform Training e AI Platform Prediction supportano i seguenti framework:

Account Google Cloud Platform

Per utilizzare qualsiasi funzionalità cloud di AI Platform Training, devi avere un account Google Cloud con la fatturazione attivata e un progetto con l'API AI Platform Training e Prediction attivata. Se non hai mai utilizzato Google Cloud, consulta la panoramica dei progetti per saperne di più.

Regioni Cloud Compute

Le risorse di elaborazione vengono allocate in base a regione e zona, che corrispondono ai data center in cui si trovano fisicamente le risorse. In genere, devi eseguire i job una tantum, come l'addestramento del modello, nella regione più vicina alla tua posizione fisica (o alla posizione fisica dei tuoi utenti previsti), ma tieni presente i seguenti punti:

  • Tieni presente le regioni disponibili per i servizi AI Platform Training, tra cui l'addestramento dei modelli su GPU e altro hardware e la previsione online/collettiva.

  • Devi sempre eseguire i job di AI Platform Training nella stessa regione del bucket Cloud Storage che utilizzi per leggere e scrivere i dati per il job.

  • Devi utilizzare la classe di archiviazione standard per tutti i bucket Cloud Storage che utilizzi per leggere e scrivere i dati per il tuo job di AI Platform Training.

Passaggi successivi