AI Platform Training 将 TensorFlow、scikit-learn、XGBoost 和自定义容器的强大功能和灵活性带到了云端。您可以借助 Google Cloud 的资源,使用 AI Platform Training 来训练机器学习模型。
使用入门
-
AI Platform 简介
AI Platform 产品概览。
-
训练概览
介绍如何在 AI Platform Training 上训练机器学习模型。
-
开发环境
针对本地开发环境的要求。
-
使用 TensorFlow 2 进行训练
有关使用 TensorFlow 2 进行训练的详细信息。
-
开始使用:用 TensorFlow Keras 进行训练和预测
在 AI Platform Training 中训练 TensorFlow Keras 模型,并将模型部署到 AI Platform Prediction。
-
开始使用:用 TensorFlow Estimator 进行训练和预测
在 AI Platform Training 中训练 TensorFlow Estimator 模型,并将模型部署到 AI Platform Prediction。
-
scikit-learn 和 XGBoost 使用入门
训练 scigit-learn 或 XGBoost 模型。
-
自定义容器使用入门
使用自定义容器训练 PyTorch 模型。
训练工作流
自定义容器
与工具和服务集成
监控和安全
-
查看审核日志
使用 Cloud Audit Logs 监控管理员活动和数据访问情况。
-
使用 IAM 控制访问权限
简要介绍在 AI Platform Training and Prediction API 中执行各种操作所需的权限,以及提供这些权限的 IAM 角色。
-
使用自定义服务账号进行训练
为训练应用使用自定义服务账号
-
将 VPC Service Controls 用于训练
通过使用服务边界来降低数据渗漏的风险。
-
使用客户管理的加密密钥 (CMEK)
使用客户管理的加密密钥加密训练作业数据。
-
使用交互式 shell 监控和调试训练
了解如何使用交互式 shell 在训练容器运行时对其进行检查。
AI Platform Training 资源
教程
AI Platform 内置算法
-
内置算法简介
内置算法概览。
-
预处理数据以使用内置表格算法
使用自动预处理功能准备训练数据。
-
线性学习器算法使用入门
使用内置的 TensorFlow 线性学习器算法训练模型。
-
使用内置线性学习器算法进行训练
自定义如何使用内置的线性学习器算法进行训练。
-
线性学习器算法参考文档
内置线性学习器算法的配置选项。
-
Wide & Deep 算法使用入门
使用内置的 TensorFlow Wide & Deep 算法训练模型。
-
使用内置 Wide & Deep 算法进行训练
自定义如何使用内置的 Wide & Deep 算法进行训练。
-
广度和深度算法参考文档
内置 Wide & Deep 算法的配置选项。
-
XGBoost 算法使用入门
使用内置的 XGBoost 算法训练模型。
-
使用内置 XGBoost 算法进行训练
自定义如何使用内置的 XGBoost 算法进行训练。
-
使用内置分布式 XGBoost 算法进行训练
自定义如何使用内置的 XGBoost 算法的分布式版本。
-
XGBoost 算法参考文档
内置 XGBoost 算法的配置选项。
-
图片分类算法使用入门
使用内置的图片分类算法训练模型。
-
使用内置图片分类算法进行训练
自定义如何使用内置的图片分类算法进行训练。
-
图片分类算法参考文档
内置图片分类算法的配置选项。
-
图片对象检测算法使用入门
使用内置的图片对象检测算法进行训练。
-
使用内置图片对象检测算法进行训练
自定义如何使用内置的图片对象检测算法进行训练。
-
图片对象检测算法参考文档
内置图片对象检测算法的配置选项。