Documentação do AI Platform Training

O AI Platform Training agora está disponível na nova plataforma unificada do AI Platform. Para mais informações, consulte a documentação da AI Platform.

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

• Como usar TF_CONFIG para conseguir detalhes do treinamento distribuído

  Crie um job de treinamento distribuído usando o TensorFlow.

• Treinamento em escala com o scikit-learn

  Orientação para treinamento com grandes conjuntos de dados e modelos.

Ajuste de hiperparâmetros

• Visão geral do ajuste de hiperparâmetro

  Uma introdução ao ajuste de hiperparâmetros no AI Platform Training.

• Como usar o ajuste de hiperparâmetro

  Configure o ajuste de hiperparâmetros para seu job de treinamento.

Aceleradores

• Como usar GPUs

  Configure seu job para usar GPUs visando acelerar o treinamento.

• Como usar TPUs

  Configure seu job do TensorFlow para usar TPUs visando acelerar o treinamento.

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

• Como usar a biblioteca de cliente do Python

  Use a biblioteca de cliente de APIs do Google para Python para enviar solicitações à API AI Platform Training and Prediction.

• Como trabalhar com o Cloud Storage

  Configure o Cloud Storage para trabalhar com o AI Platform Training.

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

  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.

Recursos do AI Platform Training

• Projetos, modelos, versões e jobs

  Uma visão geral dos recursos que você cria e com que interage no AI Platform.

• Como gerenciar modelos e jobs

  Gerencie os recursos do AI Platform que você criou.

• Como rotular recursos

  Organize seus jobs de treinamento com rótulos personalizados.

Tutorial

• Como treinar com o XGBoost no AI Platform

  Treine um modelo XGBoost.

• Como treinar com o scikit-learn no AI Platform

  Treine um modelo scikit-learn.

Versões de tempo de execução

• Lista de versões do ambiente de execução

  Informações sobre a disponibilidade e as dependências das versões do ambiente de execução que é possível usar no treinamento.

• Como gerenciar versões do ambiente de execução

  Configure as versões de dependências para seu job de treinamento.

Regiões

• Regiões

  Informações sobre quais regiões do Google Cloud são compatíveis com diferentes recursos.

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.

APIs e referência

• Referência da API AI Platform Training and Prediction

  Informações detalhadas sobre a API REST.

Suporte

• Solução de problemas

  Entenda as causas de problemas comuns.

• Como receber suporte

  Receba suporte para problemas encontrados.

• Dúvidas sobre faturamento

  Recursos para responder a perguntas comuns sobre faturamento.

Recursos

• Preço

  Informações detalhadas de preços.

• Cotas e limites

  Políticas de uso de recursos do AI Platform Training.

• Notas de lançamento

  Detalhes sobre atualizações.

• Notas da versão arquivadas

  Notas de lançamento anteriores a 10 de abril de 2019.