開發環境

AI Platform 是構成機器學習解決方案的其中一項技術,您在使用時,必須謹慎設定開發環境的必備條件和依附元件。本頁面說明組成開發環境的部分及各個部分的問題。

Python 版本支援

根據預設,AI Platform 會執行 Python 2.7。

Python 3.5 適用於 AI Platform 執行階段 1.4 以上版本。您可以透過設定檔或 gcloud 指令,設定訓練工作的 Python 版本

無論模型是使用 Python 2 還是 Python 3 訓練,線上預測和批次預測都可與經過訓練的模型搭配運作。

如果需要在 Python 2 和 Python 3 之間移植程式碼,可以使用 Six 等相容性程式庫。根據預設,Six 會包含在 AI Platform 執行階段映像檔中。

根目錄存取權

如果您要設定基本開發環境,可能需要使用 sudo 才能在 macOS 或 Linux 上執行 pip 安裝作業。但是,如果您使用虛擬環境,則不需要根目錄存取權,因為安裝作業會在受 OS 保護的系統目錄之外進行。

執行階段環境

您使用的執行階段版本將定義在雲端執行 GCP 專案的虛擬機器的設定。

Python 虛擬環境

Python 的設定可能相當複雜,如果您在單一電腦上使用不同技術開發其他 Python 應用程式,設定的複雜度更會提升。您可以使用虛擬環境來進行 Python 開發作業,從而簡化套件和版本管理。

Python 虛擬環境可以管理 Python 解譯器和套件,這些解譯器和套件獨立於電腦的預設環境之外且專屬於專案。 您可以使用虛擬環境來為每個 Python 專案設定不同的環境,讓每個環境都有您所需要的 Python 版本和模組。

Python 虛擬環境有幾種選擇。建議您使用 Anaconda 或較小型版本 Miniconda,這兩種版本皆包含專屬的虛擬環境管理工具,稱為 Conda。Anaconda 是數據資料學家常用的一組套件和工具。

機器學習架構

AI Platform 支援下列架構:

Google Cloud Platform 帳戶

您必須擁有已啟用計費功能的 GCP 帳戶,以及已啟用 AI Platform Training and Prediction API 的專案,才能使用 AI Platform 的雲端功能。如果您是第一次使用 GCP,請閱讀專案總覽以瞭解相關資訊。

Cloud Compute 地區

處理資源會依地區和區域分配,地區和區域則對應到資源實際所在的資料中心。一般來說,您應在離自己或目標使用者的實際位置最近的地區,執行模型訓練等一次性工作,但請注意下列幾點:

  • 請留意 AI Platform 服務 (包括在 GPU 與其他硬體上的模型訓練以及線上/批次預測) 的可用地區

  • 執行 AI Platform 工作的地區應一律與用於讀取及寫入工作資料的 Cloud Storage 值區所在地區相同。

  • 您應針對用於讀取及寫入 AI Platform 工作資料的所有 Cloud Storage 值區採用 Standard Storage 級別

後續步驟

本頁內容對您是否有任何幫助?請提供意見:

傳送您對下列選項的寶貴意見...

這個網頁
Google Cloud Machine Learning 說明文件