AI Platform Training brinda la potencia y la flexibilidad de TensorFlow, scikit-learn, XGBoost y contenedores personalizados en la nube. Puedes usar AI Platform Training para entrenar los modelos de aprendizaje automático mediante los recursos de Google Cloud.
Comenzar
-
Introducción a AI Platform
Una descripción general de los productos de AI Platform.
-
Descripción general del entrenamiento
Introducción al entrenamiento de modelos de aprendizaje automático en AI Platform Training.
-
Entorno de desarrollo
Requisitos para el entorno de desarrollo local.
-
Entrenamiento con TensorFlow 2
Detalles sobre el entrenamiento con TensorFlow 2.
-
Primeros pasos: entrenamiento y predicción con Keras de TensorFlow
Entrena un modelo de Keras de TensorFlow en AI Platform Training y, luego, impleméntalo en AI Platform Prediction.
-
Primeros pasos: entrenamiento y predicción con el Estimador de TensorFlow
Entrena un modelo del Estimador de TensorFlow en AI Platform Training y, luego, impleméntalo en AI Platform Prediction.
-
Comienza a usar scikit-learn y XGBoost
Entrena un modelo de XGBoost o scikit-learn.
-
Comenzar con los contenedores personalizados
Entrena un modelo de PyTorch mediante un contenedor personalizado.
Flujo de trabajo del entrenamiento
-
Empaqueta una aplicación de entrenamiento
Empaqueta tu código de entrenamiento de Python para que sea compatible con AI Platform Training.
-
Ejecuta un trabajo de entrenamiento
Ejecuta un trabajo de entrenamiento.
-
Especifica tipos de máquina o niveles de escala
Configura qué tipos de máquinas virtuales usa el trabajo de entrenamiento.
-
Supervisa trabajos de entrenamiento
Supervisa el estado de los trabajos de entrenamiento con los registros y las métricas de uso de recursos.
Entrena a gran escala
Ajuste de hiperparámetros
Aceleradores
Contenedores personalizados
-
Descripción general de los contenedores
Una introducción a cómo puedes personalizar los trabajos de entrenamiento si proporcionas tu propio contenedor de Docker.
-
Entrena con contenedores en AI Platform
Crea un contenedor personalizado de Docker y úsalo para ejecutar un trabajo de entrenamiento.
-
Capacitación distribuida con contenedores
Configura un trabajo de contenedor personalizado para que use múltiples máquinas virtuales.
Integración a herramientas y servicios
Supervisión y seguridad
-
Consultar registros de auditoría
Supervisa la actividad del administrador y el acceso a los datos con los registros de auditoría de Cloud.
-
Control de acceso con IAM
Una descripción general de los permisos necesarios para realizar diversas acciones en la API de AI Platform Training and Prediction, y de las funciones de IAM que proporcionan estos permisos.
-
Entrena con una cuenta de servicio personalizada
Usa una cuenta de servicio personalizada para tu aplicación de entrenamiento.
-
Usa los Controles del servicio de VPC con entrenamiento
Mitiga el riesgo de robo de datos mediante un perímetro de servicio.
-
Usa claves de encriptación administradas por el cliente (CMEK)
Encripta los datos del trabajo de entrenamiento con claves de encriptación administradas por el cliente.
-
Supervisa y depura el entrenamiento con una shell interactiva
Aprende a usar una shell interactiva para inspeccionar tu contenedor de entrenamiento mientras se ejecuta.
Recursos de AI Platform Training
Instructivos
Versiones de entorno de ejecución
-
Lista de las versiones de entorno de ejecución
Información sobre la disponibilidad y las dependencias de las versiones de entorno de ejecución que puedes usar para el entrenamiento.
-
Administra las versiones de entorno de ejecución
Configura las versiones de dependencia para el trabajo de entrenamiento.
Regiones
Algoritmos integrados de AI Platform
-
Introducción a los algoritmos integrados
Una descripción general de los algoritmos integrados.
-
Preprocesa datos para algoritmos tabulares integrados
Usa el procesamiento previo automático a fin de preparar los datos para el entrenamiento.
-
Comienza a usar el algoritmo de aprendizaje lineal
Entrena un modelo con el algoritmo de aprendizaje lineal integrado de TensorFlow.
-
Entrena mediante el algoritmo de aprendizaje lineal integrado
Personaliza el uso del algoritmo de aprendizaje lineal integrado para el entrenamiento.
-
Referencia del algoritmo de aprendizaje lineal
Opciones de configuración para el algoritmo de aprendizaje lineal integrado.
-
Comienza a usar el algoritmo de amplitud y profundidad
Entrena un modelo con el algoritmo de amplitud y profundidad integrado de TensorFlow.
-
Entrena mediante el algoritmo de amplitud y profundidad integrado
Personaliza el uso del algoritmo de amplitud y profundidad integrado para el entrenamiento.
-
Referencia del algoritmo de amplitud y profundidad
Opciones de configuración para el algoritmo de amplitud y profundidad integrado.
-
Comienza a usar el algoritmo XGBoost
Entrena un modelo con el algoritmo XGBoost integrado.
-
Entrena mediante el algoritmo XGBoost integrado
Personaliza el uso del algoritmo XGBoost integrado para el entrenamiento.
-
Entrena mediante el algoritmo XGBoost integrado distribuido
Personaliza el uso de la versión distribuida del algoritmo XGBoost integrado.
-
Referencia del algoritmo XGBoost
Opciones de configuración para el algoritmo XGBoost integrado.
-
Comienza a usar el algoritmo de clasificación de imágenes
Entrena un modelo con el algoritmo de clasificación de imágenes integrado.
-
Entrena mediante el algoritmo de clasificación de imágenes integrado
Personaliza el uso del algoritmo de clasificación de imágenes integrado para el entrenamiento.
-
Referencia del algoritmo de clasificación de imágenes
Opciones de configuración para el algoritmo de clasificación de imágenes integrado.
-
Comienza a usar el algoritmo de detección de objetos de imagen
Entrena con el algoritmo de detección de objetos de imagen integrado.
-
Entrena mediante el algoritmo de detección de objetos de imagen integrado
Personaliza el uso del algoritmo de detección de objetos de imagen integrado para el entrenamiento.
-
Referencia del algoritmo de detección de objetos de imagen
Opciones de configuración para el algoritmo de detección de objetos de imagen integrado.