O AI Platform Training leva para a nuvem a capacidade e a flexibilidade do TensorFlow, do scikit-learn, do XGBoost e de contêineres personalizados. É possível usar o AI Platform Training para treinar seus modelos de machine learning usando os recursos do Google Cloud.
Primeiros passos
-
Introdução ao AI Platform
Uma visão geral dos produtos do AI Platform.
-
Visão geral do treinamento
Uma introdução aos modelos de machine learning para treinamento no AI Platform Training.
-
Ambiente de desenvolvimento
Requisitos do ambiente local para desenvolvedores.
-
Como treinar com o TensorFlow 2
Detalhes sobre o treinamento com o TensorFlow 2.
-
Primeiros passos: treinamento e previsão com Keras do TensorFlow
Treine um modelo Keras do TensorFlow no AI Platform Training e implante-o no AI Platform Prediction.
-
Primeiros passos: treinamento e previsão com Estimator do TensorFlow
Treine um modelo Estimator do TensorFlow no AI Platform Training e implante-o no AI Platform Prediction.
-
Primeiros passos com o scikit-learn e o XGBoost
Treine um modelo scikit-learn ou XGBoost.
-
Primeiros passos com contêineres personalizados
Treine um modelo PyTorch usando um contêiner personalizado.
Fluxo de trabalho de treinamento
-
Como empacotar um aplicativo de treinamento
Empacote seu código de treinamento em Python para torná-lo compatível com o AI Platform Training.
-
Como executar um job de treinamento
Execute um job de treinamento.
-
Como especificar tipos de máquina ou níveis de escalonamento
Configure os tipos de máquina virtual usados pelo job de treinamento.
-
Como monitorar jobs de treinamento
Monitore o status dos seus jobs de treinamento com registros e métricas de utilização de recursos.
Como treinar em escala
Ajuste de hiperparâmetros
Aceleradores
Contêineres personalizados
-
Visão geral de contêineres
Uma introdução sobre como personalizar seus jobs de treinamento fornecendo seu próprio contêiner do Docker.
-
Como treinar com contêineres no AI Platform
Crie um contêiner personalizado do Docker e use-o para executar um job de treinamento.
-
Treinamento distribuído com contêineres
Configure um job de contêiner personalizado para usar várias máquinas virtuais.
Como integrar ferramentas e serviços
Monitoramento e segurança
-
Como ver registros de auditoria
Monitore a atividade dos administradores e o acesso aos dados com os registros de auditoria do Cloud.
-
Controle de acesso com o IAM
Uma visão geral das permissões necessárias para realizar várias ações na API AI Platform Training and Prediction, bem como dos papéis do IAM que fornecem essas permissões.
-
Como treinar com uma conta de serviço personalizada
Usar uma conta de serviço personalizada para aplicação do treinamento
-
Como usar VPC Service Controls no treinamento
Reduza o risco de exfiltração de dados usando um perímetro de serviço.
-
Como usar chaves de criptografia gerenciadas pelo cliente (CMEK)
Criptografe os dados do job de treinamento com chaves de criptografia gerenciadas pelo cliente.
-
Como monitorar e depurar o treinamento com um shell interativo
Saiba como usar um shell interativo para inspecionar o contêiner de treinamento durante a execução.
Recursos do AI Platform Training
Tutorial
Versões de tempo de execução
Regiões
Algoritmos integrados do AI Platform
-
Introdução aos algoritmos integrados
Uma visão geral dos algoritmos incorporados.
-
Como pré-processar dados para algoritmos integrados tabulares
Use o pré-processamento automático para preparar seus dados para treinamento.
-
Primeiros passos com o algoritmo de aprendizagem linear
Treine um modelo com o algoritmo integrado de aprendizagem linear do TensorFlow.
-
Como treinar usando o algoritmo integrado de aprendizagem linear
Personalize o modo de usar o algoritmo integrado de aprendizagem linear para treinamento.
-
Referência do algoritmo de aprendizado linear
Opções de configuração para o algoritmo integrado de aprendizagem linear.
-
Primeiros passos com o algoritmo de amplitude e profundidade
Treine um modelo com o algoritmo integrado de amplitude e profundidade do TensorFlow.
-
Como treinar usando o algoritmo integrado de amplitude e profundidade
Personalize o modo de usar o algoritmo integrado de amplitude e profundidade para treinamento.
-
Referência do algoritmo de amplitude e profundidade
Opções de configuração para o algoritmo integrado de amplitude e profundidade.
-
Primeiros passos com o algoritmo XGBoost
Treine um modelo com o algoritmo XGBoost integrado.
-
Como treinar usando o algoritmo XGBoost integrado
Personalize o modo de usar o algoritmo XGBoost integrado para treinamento.
-
Como treinar usando o algoritmo XGBoost integrado e distribuído
Personalize o modo de usar a versão distribuída do algoritmo XGBoost integrado.
-
Referência do algoritmo XGBoost
Opções de configuração do algoritmo XGBoost integrado.
-
Primeiros passos com o algoritmo de classificação de imagens
Treine um modelo com o algoritmo integrado de classificação de imagens.
-
Como treinar usando o algoritmo integrado de classificação de imagens
Personalize o modo de usar o algoritmo integrado de classificação de imagens para treinamento.
-
Referência do algoritmo de classificação de imagem
Opções de configuração do algoritmo integrado de classificação de imagens.
-
Primeiros passos com o algoritmo de detecção de objetos de imagem
Treine com o algoritmo integrado de detecção de objetos de imagem.
-
Como treinar usando o algoritmo integrado de detecção de objetos de imagem
Personalize o modo de usar o algoritmo integrado de detecção de objetos de imagem para treinamento.
-
Referência do algoritmo de detecção de objetos de imagem
Opções de configuração do algoritmo integrado de detecção de objetos de imagem.