AI Platform Training 문서

AI Platform Training은 TensorFlow, scikit-learn, XGBoost 및 커스텀 컨테이너의 강력한 기능과 유연성을 클라우드에 제공합니다. AI Platform Training에서 Google Cloud의 리소스를 사용하여 머신러닝 모델을 학습시킬 수 있습니다.

시작하기

• AI Platform 소개

  AI Platform 제품 개요

• 학습 개요

  AI Platform Training에서 머신러닝 모델의 학습에 대해 소개합니다.

• 개발 환경

  로컬 개발 환경의 요구 사항을 설명합니다.

• TensorFlow 2를 사용한 학습

  TensorFlow 2를 사용한 학습에 대한 세부정보

• 시작하기: TensorFlow Keras를 사용한 학습 및 예측

  AI Platform Training에서 TensorFlow Keras 모델을 학습시키고 해당 모델을 AI Platform Prediction에 배포합니다.

• 시작하기: TensorFlow 에스티메이터를 사용한 학습 및 예측

  AI Platform Training에서 TensorFlow 에스티메이터 모델을 학습시키고 해당 모델을 AI Platform Prediction에 배포합니다.

• scikit-learn 및 XGBoost 시작하기

  scikit-learn 또는 XGBoost 모델을 학습시킵니다.

• 커스텀 컨테이너 시작하기

  커스텀 컨테이너를 사용하여 PyTorch 모델을 학습시킵니다.

학습 워크플로

• 학습 애플리케이션 패키징

  AI Platform Training과 호환되도록 Python 교육 코드를 패키징합니다.

• 학습 작업 실행

  학습 작업을 실행합니다.

• 머신 유형 또는 확장 등급 지정

  학습 작업이 사용하는 가상 머신 유형을 구성합니다.

• 학습 작업 모니터링

  로그 및 리소스 활용률 측정항목으로 학습 작업 상태를 모니터링합니다.

규모에 맞춘 학습

• 분산 학습 세부정보에 TF_CONFIG 사용

  TensorFlow를 사용하여 분산 학습 작업을 만듭니다.

• scikit-learn로 규모에 맞춘 학습

  대규모 데이터세트 및 모델을 사용한 교육 안내

초매개변수 조정

• 초매개변수 조정 개요

  AI Platform Training의 초매개변수 미세 조정을 소개합니다.

• 초매개변수 조정 사용

  학습 작업을 위한 초매개변수 미세 조정을 구성합니다.

가속기

• GPU 사용

  GPU를 사용하여 학습 속도를 높이도록 작업을 구성합니다.

• TPU 사용

  TPU를 사용하여 학습 속도를 높이도록 TensorFlow 작업을 구성합니다.

커스텀 컨테이너

• 컨테이너 개요

  Docker 컨테이너를 직접 제공하여 학습 작업을 맞춤설정하는 방법을 소개합니다.

• AI Platform에서 컨테이너를 사용한 교육

  커스텀 Docker 컨테이너를 만들고 이를 사용하여 학습 작업을 실행합니다.

• 컨테이너를 사용한 분산 학습

  여러 가상 머신을 사용하도록 커스텀 컨테이너 작업을 구성합니다.

도구 및 서비스와 통합

• Python 클라이언트 라이브러리 사용

  Python용 Google API 클라이언트 라이브러리를 사용하여 AI Platform Training 및 Prediction API에 요청을 보냅니다.

• Cloud Storage 작업

  AI Platform Training에서 작동하도록 Cloud Storage를 설정합니다.

모니터링 및 보안

• 감사 로그 보기

  Cloud 감사 로그를 사용하여 관리자 활동과 데이터 액세스를 모니터링합니다.

• IAM으로 액세스 제어

  AI Platform Training 및 Prediction API뿐만 아니라 이러한 권한을 제공하는 IAM 역할에서 다양한 작업을 수행하는 데 필요한 권한에 대한 개요입니다.

• 커스텀 서비스 계정을 사용한 학습

  학습 애플리케이션에 커스텀 서비스 계정 사용

• 학습에 VPC 서비스 제어 사용

  서비스 경계를 사용하여 데이터 유출 위험을 줄입니다.

• 고객 관리 암호화 키(CMEK) 사용

  고객 관리 암호화 키로 학습 작업 데이터를 암호화합니다.

• 대화형 셸을 사용한 학습 모니터링 및 디버깅

  대화형 셸을 사용하여 실행 중인 학습 컨테이너를 검사하는 방법을 알아봅니다.

AI Platform Training 리소스

• 프로젝트, 모델, 버전, 작업

  AI Platform에서 만들고 상호작용하는 리소스를 간략하게 설명합니다.

• 모델 및 작업 관리

  사용자가 만든 AI Platform 리소스를 관리합니다.

• 리소스 라벨 지정

  커스텀 라벨을 사용하여 교육 작업을 구성합니다.

튜토리얼

• AI Platform에서 XGBoost를 사용한 학습

  XGBoost 모델을 학습시킵니다.

• AI Platform에서 scikit-learn을 사용한 학습

  scikit-learn 모델을 학습시킵니다.

런타임 버전

• 런타임 버전 목록

  교육에 사용할 수 있는 런타임 버전의 가용성 및 종속 항목에 대한 정보입니다.

• 런타임 버전 관리

  학습 작업의 종속성 버전을 구성합니다.

리전

• 리전

  다양한 기능을 지원하는 Google Cloud 리전에 대한 정보입니다.

AI Platform 기본 제공 알고리즘

• 기본 제공 알고리즘 소개

  기본 제공 알고리즘에 대한 개요입니다.

• 표 형식의 기본 제공 알고리즘의 데이터 사전 처리

  자동 사전 처리를 사용하여 학습시킬 데이터를 준비합니다.

• 선형 학습자 알고리즘 시작하기

  기본 제공 TensorFlow 선형 학습자 알고리즘을 사용하여 모델을 학습시킵니다.

• 기본 제공 선형 학습자 알고리즘을 사용하여 학습

  기본 제공 선형 학습자 알고리즘을 학습에 사용하는 방법을 맞춤설정합니다.

• 선형 학습자 알고리즘 참조

  기본 제공 선형 학습자 알고리즘의 구성 옵션입니다.

• 와이드 앤 딥 알고리즘 시작하기

  기본 제공 TensorFlow 와이드 앤 딥 알고리즘을 사용하여 모델을 학습시킵니다.

• 와이드 앤 딥 기본 제공 알고리즘을 사용한 학습

  기본 제공 TensorFlow 와이드 앤 딥 알고리즘을 학습에 사용하는 방법을 맞춤설정합니다.

• 와이드 앤 딥 알고리즘 참조

  기본 제공 와이드 및 딥 알고리즘의 구성 옵션입니다.

• XGBoost 알고리즘 시작하기

  기본 제공 XGBoost 알고리즘을 사용하여 모델을 학습시킵니다.

• 기본 제공 XGBoost 알고리즘을 사용한 학습

  기본 제공 XGBoost 알고리즘을 학습에 사용하는 방법을 맞춤설정합니다.

• 기본 제공 분산 XGBoost 알고리즘을 사용한 학습

  기본 제공 XGBoost 알고리즘의 분산 버전을 사용하는 방법을 맞춤설정합니다.

• XGBoost 알고리즘 참조

  기본 제공 XGBoost 알고리즘의 구성 옵션입니다.

• 이미지 분류 알고리즘 시작하기

  기본 제공 이미지 분류 알고리즘을 사용하여 모델을 학습시킵니다.

• 기본 제공 이미지 분류 알고리즘을 사용한 학습

  기본 제공 이미지 분류 알고리즘을 학습에 사용하는 방법을 맞춤설정합니다.

• 이미지 분류 알고리즘 참조

  기본 제공 이미지 분류 알고리즘의 구성 옵션입니다.

• 이미지 객체 감지 알고리즘 시작하기

  기본 제공 이미지 객체 감지 알고리즘을 사용하여 학습시킵니다.

• 기본 제공 이미지 객체 감지 알고리즘을 사용한 학습

  기본 제공 이미지 객체 감지 알고리즘을 학습에 사용하는 방법을 맞춤설정합니다.

• 이미지 객체 감지 알고리즘 참조

  기본 제공 이미지 객체 감지 알고리즘의 구성 옵션입니다.

API 및 참조

• AI Platform Training 및 예측 API 참조

  REST API에 대한 자세한 설명입니다.

지원

• 문제 해결

  일반적인 문제의 원인을 파악합니다.

• 지원 받기

  발생한 문제에 대한 지원을 찾아보세요.

• 결제 관련 문의

  일반적인 결제 관련 문의에 답변할 수 있는 리소스입니다.

리소스

• 가격 책정

  자세한 가격 정보입니다.

• 할당량 및 한도

  AI Platform Training 리소스에 대한 사용 정책입니다.

• 출시 노트

  업데이트에 대한 세부정보입니다.

• 보관처리된 출시 노트

  2019년 4월 10일 이전의 출시 노트입니다.