AI Platform Training 文档

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

• 封装训练应用

  封装 Python 训练代码，使其与 AI Platform Training 相兼容。

• 运行训练作业

  运行训练作业。

• 指定机器类型或容量层级

  配置训练作业使用的虚拟机类型。

• 监控训练作业

  使用日志和资源利用率指标监控训练作业的状态。

大规模训练

• 使用 TF_CONFIG 获取分布式训练详细信息

  使用 TensorFlow 创建分布式训练作业。

• 使用 scikit-learn 进行大规模训练

  使用大型数据集和模型进行训练的指南。

超参数调节

• 超参数调节概览

  介绍 AI Platform Training 上的超参数调节。

• 使用超参数调节

  为您的训练作业配置超参数调节。

加速器

• 使用 GPU

  配置作业以使用 GPU 加速训练。

• 使用 TPU

  配置 TensorFlow 作业以使用 TPU 加速训练。

自定义容器

• 容器概览

  介绍如何通过提供自己的 Docker 容器来自定义训练作业。

• 在 AI Platform 上使用容器进行训练

  创建自定义 Docker 容器并使用它来运行训练作业。

• 使用容器进行分布式训练

  将自定义容器作业配置为使用多个虚拟机。

与工具和服务集成

• 使用 Python 客户端库

  使用 Python 版 Google API 客户端库向 AI Platform Training 和 Prediction API 发送请求。

• 使用 Cloud Storage

  设置 Cloud Storage 以与 AI Platform Training 结合使用。

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

• 项目、模型、版本、作业

  简要介绍您在 AI Platform 中创建和与之交互的资源。

• 管理模型和作业

  管理您已创建的 AI Platform 资源。

• 为资源加标签

  使用自定义标签整理您的训练作业。

教程

• 在 AI Platform 上使用 XGBoost 进行训练

  训练 XGBoost 模型。

• 在 AI Platform 上使用 scikit-learn 进行训练

  训练 scikit-learn 模型。

运行时版本

• 运行时版本列表

  可用于训练的运行时版本的可用性和依赖项相关信息。

• 管理运行时版本

  配置训练作业的依赖项版本。

区域

• 区域

  介绍哪些 Google Cloud 区域支持不同功能。

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。

API 与参考文档

• AI Platform Training and Prediction API 参考文档

  有关 REST API 的详细信息。

支持

• 问题排查

  了解常见问题的原因。

• 获取支持

  针对您遇到的问题寻求支持。

• 结算方面的问题

  解答常见结算问题的资源。

资源

• 价格

  详细的价格信息。

• 配额和限制

  AI Platform Training 资源的使用政策。

• 版本说明

  更新相关详情。

• 归档版本说明

  2019 年 4 月 10 日之前的版本说明。