Cloud Machine Learning Engine

Maschinelles Lernen mit beliebigen Daten jeder Größe

Kostenlos testen Zur Konsole

Verwaltetes, skalierbares maschinelles Lernen

Google Cloud Machine Learning Engine ist ein verwalteter Dienst, mit dem Sie ganz einfach Modelle für maschinelles Lernen entwickeln können, die mit allen Datentypen und -größen arbeiten. Erstellen Sie Ihr Modell mit dem leistungsstarken TensorFlow-Framework, das hinter vielen Produkten von Google steht – von Google Fotos bis zu Google Cloud Speech. Mittels Cloud Machine Learning Engine kann ein beliebiges TensorFlow-Modell umfassend in einem verwalteten Cluster trainiert werden. Außerdem können die trainierten Modelle für Online- und Batchvorhersagen in großem Umfang verwaltet werden. Ihr trainiertes Modell kann sofort zusammen mit unserer globalen Vorhersageplattform eingesetzt werden, die Tausende von Nutzern sowie große Datenmengen unterstützt. Der Dienst ist zur Vorverarbeitung in Google Cloud Dataflow integriert, damit Sie auf Daten aus Google Cloud Storage, Google BigQuery und anderen Quellen zugreifen können.

Skalierbare prognostische Analysen

Mit unseren (derzeit in der Betaversion verfügbaren) Online- sowie den Batchvorhersagediensten können Sie nahtlos vom Training zur Produktion übergehen. Die Integration in den globalen Lastenausgleich von Google ermöglicht es Ihnen, Ihre Anwendung für maschinelles Lernen automatisch zu skalieren, um Nutzer auf der ganzen Welt zu erreichen.

Modelle für maschinelles Lernen einfach erstellen

Verfeinern Sie das Modelltraining mit HyperTune, um unter Einsatz modernster Optimierungsmethoden schneller bessere Ergebnisse zu erzielen. Außerdem können Sie Tausende von Abstimmungstests in der Cloud verwalten – ein Verfahren, das unter anderen Umständen ausgesprochen teuer wäre. Dank Cloud ML Engine können Entwickler leicht Modelle mittels Cloud Datalab entwickeln. Data Scientists können deren Daten auswerten, TensorFlow-Modelldiagramme erstellen, Modelle trainieren und die Modellqualität analysieren.

Vollständig verwalteter Dienst

Für Ihre größten Datasets steht Ihnen die skalierbare, verteilte Trainingsinfrastruktur mit GPU-Beschleunigung zur Verfügung. In der verwalteten, serverlosen Infrastruktur erfolgen Bereitstellung, Skalierung und Monitoring. So können Sie sich auf das Erstellen von Modellen konzentrieren und müssen sich nicht um die Cluster kümmern.

Deep Learning-Funktionen

Cloud Machine Learning Engine unterstützt jedes TensorFlow-Modell. Das bedeutet, dass Sie Modelle entwickeln und nutzen können, die in einer Vielzahl von Szenarien Daten jedes Typs verarbeiten.

Cloud Machine Learning Engine – Funktionen

Maschinelles Lernen mit beliebigen Daten jeder Größe

Integrierte Lösung
Google-Dienste sind für die Zusammenarbeit konzipiert. Cloud Dataflow wird für das Verarbeiten von Merkmalen, Cloud Storage für das Speichern von Daten und Cloud Datalab zum Erstellen von Modellen genutzt.
Beispiele entdecken und freigeben
Entdecken und teilen Sie unsere Beispiele zum maschinellen Lernen, die ganz auf den Anwendungsfall Ihrer Branche zugeschnitten sind.
HyperTune
Erstellen Sie leistungsstärkere Modelle, indem Sie Ihre Hyperparameter automatisch mit HyperTune anpassen, anstatt Stunden damit zu verbringen, manuell Werte zu finden, die für Ihr Modell geeignet sind.
Verwalteter Dienst
Konzentrieren Sie sich auf die Modellentwicklung und Ihre Prognosen und machen Sie sich keine Gedanken um die Infrastruktur. Dank des verwalteten Dienstes sind die Ressourcenbereitstellung und -überwachung automatisiert.
Skalierbarer Dienst
Erstellen Sie mit der verwalteten verteilten Trainingsinfrastruktur, die CPUs und GPUs unterstützt, Modelle von Daten jeder Größe und jedes Typs. Noch mehr beschleunigen können Sie die Modellentwicklung, indem Sie beliebig viele Knoten gleichzeitig trainieren oder mehrere Experimente parallel ausführen.
Notebook-Entwicklungsumgebung
Erstellen und analysieren Sie Modelle in der vertrauten Jupyter-Notebook-Entwicklungsumgebung, die in Cloud Datalab integriert ist.
Mobile Modelle
Mit dem Open-Source-TensorFlow-SDK lassen sich Modelle lokal anhand von Beispiel-Datasets trainieren, während Sie mit der Google Cloud Platform Training in großem Maßstab betreiben können. Mit Cloud Machine Learning Engine trainierte Modelle können für die lokale Ausführung oder die mobile Integration heruntergeladen werden.

"Mit Google Cloud Machine Learning Engine können wir optische Abweichungen in unseren Satellitenbildern präziser und schneller korrigieren. Damit ist ein seit Jahrzehnten bestehendes Problem gelöst und Airbus Defence and Space kann weiterhin die umfassendste Palette kommerzieller Erdbeobachtungsdaten bieten."

– Mathias Ortner Data Analysis & Image Processing Lead, Airbus Defence & Space

Cloud Machine Learning Engine – Preise

Für das Trainieren von Modellen für maschinelles Lernen sowie für das Durchführen von Prognosen mit trainierten Modellen fallen Kosten an. Ausführliche Preisinformationen finden Sie in der Preisübersicht.

Dienstleistung USA Europa/Asien
Trainingscluster
Grund-Stufe 0,49 $/Stunde 0,54 $/Stunde
Standard-Stufe 4,90 $/Stunde 5,40 $/Stunde
Premium-Stufe 36,75 $/Stunde 40,50 $/Stunde
Benutzerdefinierte Clusterkonfiguration 0,49 $/Stunde und Machine-Learning-Trainingseinheit 0,54 $/Stunde und Machine-Learning-Trainingseinheit
GPU-Grund-Stufe 1,47 $/Stunde 1,62 $/Stunde
Prognoseanfragen
Bis zu 100 Mio. pro Monat
0,10 $/1.000
+0,40 $/Knotenstunde
0,11 $/1.000
+0,44 $/Knotenstunde
Mehr als 100 Mio. pro Monat
0,05 $/1.000
+0,40 $/Knotenstunde
0,05 $/1.000
+0,44 $/Knotenstunde
Wenn Sie in einer anderen Währung als USD bezahlen, gelten die Preise, die in Cloud Platform SKUs in Ihrer Währung angegeben sind.
Diese Cloud Machine Learning Engine-Release wurde als Batchdienst entwickelt und eignet sich nicht für den Echtzeiteinsatz in geschäftskritischen Anwendungen. Weitere Informationen finden Sie auf der Seite mit dem Cloud Machine Learning Engine-SLA.

Ressourcen unterwegs überwachen

Projekte jetzt einfach in der Google Cloud Console App verwalten.