Cloud Machine Learning Engine

建構優質模型並部署至實作環境。

免費試用

專注模型,而非營運。

Google Cloud Machine Learning (ML) Engine 是一項代管服務,開發人員與數據資料學家可藉由此服務建構出卓越的機器學習模型,並投入到實作環境中。Cloud ML Engine 提供訓練和預測這兩項服務,兩者可搭配運用,也可單獨使用。經證實,企業可以運用 Cloud ML Engine 解決各式各樣的問題,例如識別衛星影像中的雲層、確保食品安全,以及將回覆客戶電子郵件所需的時間縮短四倍。

訓練

機器學習需要訓練電腦模型從資料中找出模式。有了設計完善的模型,在進行訓練時,使用的資料品質越好,獲得的解決方案就會越聰明。您可以使用多種 ML 架構 (測試版) 來建構模型,包括 scikit-learn、XGBoost、Keras 及 TensorFlow。TensorFlow 是尖端的深度學習架構,可支援 Google 相簿、Google Cloud Speech 等多種 Google 產品。Cloud ML Engine 可將模型架構的設計與評估作業自動化,讓您更快速地獲得智慧解決方案,而且無需專家協助。Cloud ML Engine 的規模可加以調整,以善加利用您全部的資料。同時還可在代管叢集上透過大量資料訓練模型。

預測

預測功能可讓您的應用程式與工作流程變得更聰明。只要擁有訓練完成的模型,預測功能便會將電腦學習到的內容套用到新的案例上。ML Engine 提供兩種類型的預測功能:

線上預測會以無伺服器的全代管託管服務部署 ML 模型,該託管服務不僅具高可用性,也具有即時回應能力。我們的全球預測平台會配合總處理量來自動調度資源,並提供安全的網路端點,讓您將 ML 整合到應用程式之中。

批次預測能夠以實惠的價格提供非同步應用程式的推斷服務,總處理量相當大。批次預測也可以進行資源調度,根據數 TB 的生產資料進行推斷。

訓練及部署多個架構。

透過訓練和線上預測功能,開發人員及數據資料學家可使用多個 ML 架構,並順暢地將 ML 模型部署至實作環境,不需借助 Docker 容器就能達成。此外,使用者也可以匯入他處訓練完成的模型。

Tensorflow 標誌 Scikit-learn 標誌 Keras 標誌 Xgboost 標誌

Cloud ML Engine 功能與特點

自動佈建資源
只需專注於開發和部署模型,完全不必擔心基礎架構的問題。這套代管服務會自動處理資源佈建與監控。您可以使用支援 CPU、GPU 和 TPU 的代管分散式訓練基礎架構來建構模型,也可在多個節點上進行訓練,或是同時執行多項實驗,藉以加快模型開發速度。
HyperTune
使用 HyperTune 自動微調深度學習超參數,可更快達成優異的成果。數據資料學家可在雲端上管理數千個微調實驗,如此就不需要耗費數小時處理乏味又容易出錯的工作。
可攜式模型
您可使用採開放原始碼的 TensorFlow SDK 或其他支援的 ML 架構 (測試版),在本機上以範例資料集訓練模型,也可以使用 Google Cloud Platform 透過大量資料訓練模型。以 Cloud ML Engine 訓練的模型可下載用於本機執行或是行動整合。您也可以針對提供即時預測的全代管託管服務,匯入在任何平台上訓練的 scikit-learn、XGBoost、Keras 和 TensorFlow 模型,且不需借助 Docker 容器就能完成。
伺服器端預先處理
可使用 scikit-learn 管道與 tf.transform,將部署的預先處理作業推送至 Google Cloud。如此就可以將原始資料傳送至實作環境中的模型,減少本機運算作業,還能避免資料在訓練和預測時,因為進行不同的預先處理作業,出現偏移。
整合性
Google 的每一項服務皆可彼此搭配使用。Cloud ML Engine 與 Cloud Dataflow 搭配使用時,可進行功能處理;搭配 Cloud Storage 則可儲存資料。
支援多重架構
訓練和線上預測功能可支援多重架構,用於訓練和提供分類、迴歸、叢集和降維模型。
  • scikit-learn 具備傳統機器學習的優點,可大範圍學習,且操作簡單
  • XGBoost 可輕鬆進行極限的梯度提升,且正確性高
  • Keras 可簡單快速地設計深度學習的原型
  • TensorFlow 具備尖端深度學習技術

「Google Cloud Machine Learning Engine 讓我們更精確、更快速地修正衛星所拍攝圖片中的異常影像,解決已存在數十年的問題,也讓 Airbus Defence and Space 能夠繼續獨占鰲頭,提供現今最廣泛的商業性地球觀測資料。」

— Mathias Ortner Airbus Defense & Space 資料分析與影像處理部門主管

CLOUD ML Engine 定價

Cloud ML Engine 有兩個收費項目:訓練 ML 模型的時數,和利用已經過訓練的模型所執行的預測次數。如需詳細的計價資訊,請參閱定價指南

美國 歐洲 亞洲
訓練 - 預先定義的資源調度層級 - 每小時費用 訓練 - 機器類型 - 每小時費用 批次預測 - 每節點時數費用 線上預測 - 每節點時數費用
BASIC standard
STANDARD_1 large_model
PREMIUM_1 complex_model_s
BASIC_GPU complex_model_m
BASIC_TPU (Beta) complex_model_l
CUSTOM 若將資源調度層級設為「自訂」,您就可以自行掌控訓練工作所需的虛擬機器數量和類型。詳情請參閱機器類型表格。 standard_gpu
complex_model_m_gpu
complex_model_l_gpu
standard_p100
complex_model_m_p100
standard_v100 (Beta)
large_model_v100 (Beta)
complex_model_m_v100 (Beta)
complex_model_l_v100 (Beta)
cloud_tpu (Beta)
如果您使用美元以外的貨幣付費,系統將按照 Cloud Platform SKU 頁面上列出的相應貨幣價格來計費。

傳送您對下列選項的寶貴意見...

這個網頁
Cloud Machine Learning Engine (Cloud ML Engine)