AI Platform Training allie la puissance et la flexibilité de TensorFlow, scikit-learn, XGBoost et des conteneurs personnalisés au cloud. Vous pouvez utiliser AI Platform Training pour entraîner vos modèles de machine learning à l'aide des ressources de Google Cloud.
Premiers pas
-
Présentation d'AI Platform
Découvrez les produits AI Platform.
-
Présentation de l'entraînement
Découvrez les modèles de machine learning sur AI Platform Training.
-
Environnement de développement
Consultez les prérequis de votre environnement de développement local.
-
Entraînement avec TensorFlow 2
Consultez les détails de l'entraînement avec TensorFlow 2.
-
Premiers pas : entraînement et prédiction avec TensorFlow Keras
Entraînez un modèle TensorFlow Keras dans AI Platform Training et déployez le modèle sur AI Platform Prediction.
-
Premiers pas : entraînement et prédiction avec TensorFlow Estimator
Entraînez un modèle TensorFlow Estimator dans AI Platform Training et déployez le modèle sur AI Platform Prediction.
-
Premiers pas avec scikit-learn et XGBoost
Entraînez un modèle scikit-learn ou XGBoost.
-
Premiers pas avec les conteneurs personnalisés
Entraînez un modèle PyTorch à l'aide d'un conteneur personnalisé.
Workflow d'entraînement
-
Empaqueter une application d'entraînement
Empaquetez votre code d'entraînement Python pour le rendre compatible avec AI Platform Training.
-
Exécuter une tâche d'entraînement
Exécutez une tâche d'entraînement.
-
Spécifier des types de machines ou des niveaux d'évolutivité
Configurez les types de machines virtuelles utilisés par votre tâche d'entraînement.
-
Surveiller les tâches d'entraînement
Surveillez l'état de vos tâches d'entraînement à l'aide des journaux et des métriques d'utilisation des ressources.
Entraînement à grande échelle
Réglages d'hyperparamètres
Accélérateurs
Conteneurs personnalisés
-
Présentation des conteneurs
Découvrez comment personnaliser vos tâches d'entraînement en fournissant votre propre conteneur Docker.
-
Entraînement avec des conteneurs sur AI Platform
Créez un conteneur Docker personnalisé et utilisez-le pour exécuter une tâche d'entraînement.
-
Entraînement distribué avec des conteneurs
Configurez une tâche de conteneur personnalisé pour utiliser plusieurs machines virtuelles.
Intégration d'outils et de services
Surveillance et sécurité
-
Afficher les journaux d'audit
Surveillez l'activité des administrateurs et l'accès aux données avec les journaux d'audit Cloud.
-
Contrôle des accès avec IAM
Consultez les autorisations requises pour effectuer diverses actions dans l'API AI Platform Training and Prediction, ainsi que les rôles IAM qui fournissent ces autorisations.
-
Entraînement avec un compte de service personnalisé
Utiliser un compte de service personnalisé pour votre application d'entraînement
-
Utiliser VPC Service Controls avec Training
Limitez le risque d'exfiltration des données en utilisant un périmètre de service.
-
Utiliser des clés de chiffrement gérées par le client (CMEK)
Chiffrez les données des tâches d'entraînement avec des clés de chiffrement gérées par le client.
-
Surveiller et déboguer l'entraînement avec une interface système interactive
Apprenez à utiliser une interface système interactive pour inspecter votre conteneur d'entraînement pendant son exécution.
Ressources AI Platform Training
-
Projets, modèles, versions et tâches
Découvrez les ressources que vous créez et avec lesquelles vous interagissez sur AI Platform.
-
Gérer les modèles et les tâches
Gérez les ressources AI Platform que vous avez créées.
-
Attribuer des libellés à des ressources
Organisez vos tâches d'entraînement à l'aide d'étiquette personnalisées.
Tutoriels
Versions d'exécution
Algorithmes intégrés AI Platform
-
Présentation des algorithmes intégrés
Présentation des algorithmes intégrés.
-
Prétraiter des données pour les algorithmes tabulaires intégrés
Utilisez le prétraitement automatique pour préparer vos données à l'entraînement.
-
Premiers pas avec l'algorithme de l'apprenant linéaire
Entraînez un modèle avec l'algorithme de l'apprenant linéaire TensorFlow intégré.
-
Entraînement à l'aide de l'algorithme de l'apprenant linéaire intégré
Personnalisez la façon dont vous utilisez l'algorithme de l'apprenant linéaire intégré pour l'entraînement.
-
Documentation de référence sur l'algorithme de l'apprenant linéaire
Options de configuration pour l'algorithme de l'apprenant linéaire intégré.
-
Premiers pas avec l'algorithme large et profond
Entraînez un modèle avec l'algorithme large et profond TensorFlow intégré.
-
Entraînement à l'aide de l'algorithme large et profond intégré
Personnalisez la façon dont vous utilisez l'algorithme large et profond intégré pour l'entraînement.
-
Documentation de référence sur l'algorithme large et profond
Options de configuration pour l'algorithme large et profond intégré.
-
Premiers pas avec l'algorithme XGBoost
Entraînez un modèle avec l'algorithme XGBoost intégré.
-
Entraînement à l'aide de l'algorithme XGBoost intégré
Personnalisez la façon dont vous utilisez l'algorithme XGBoost intégré pour l'entraînement.
-
Entraînement à l'aide de l'algorithme distribué XGBoost intégré
Personnalisez la façon dont vous utilisez la version distribuée de l'algorithme XGBoost intégré.
-
Documentation de référence sur l'algorithme XGBoost
Options de configuration de l'algorithme XGBoost intégré.
-
Premiers pas avec l'algorithme de classification d'images
Entraînez un modèle avec l'algorithme intégré de classification d'images.
-
Entraînement à l'aide de l'algorithme intégré de classification d'images
Personnalisez la façon dont vous utilisez l'algorithme intégré de classification d'images pour l'entraînement.
-
Documentation de référence sur l'algorithme de classification d'images
Options de configuration de l'algorithme intégré de classification d'images
-
Premiers pas avec l'algorithme de détection d'objets au sein d'images
Effectuez un entraînement avec l'algorithme intégré de détection d'objets au sein d'images.
-
Entraînement à l'aide de l'algorithme intégré de détection d'objets au sein d'images
Personnalisez la façon dont vous utilisez l'algorithme intégré de détection d'objets au sein d'images pour l'entraînement.
-
Documentation de référence de l'algorithme de détection d'objets au sein d'images
Options de configuration de l'algorithme intégré de détection d'objets au sein d'images.