Versionshinweise

Auf dieser Seite werden die Produktionsaktualisierungen der AI Platform dokumentiert. Prüfen Sie diese Seite regelmäßig auf Hinweise zu neuen oder aktualisierten Funktionen, Fehlerkorrekturen, bekannten Problemen und verworfenen Funktionen.

Fügen Sie Ihrem Feedreader die URL dieser Seite hinzu, um die neuesten Produktaktualisierungen zu erhalten.

03. Mai 2019

T4-GPUs sind jetzt für das AI Platform-Training in der Betaversion verfügbar. Weitere Informationen finden Sie in den Leitfäden zur Verwendung, zur regionalen Verfügbarkeit und zu den Preisen von GPUs.

Die Laufzeitversion 1.12 der AI Platform unterstützt jetzt TensorFlow 1.12.2. In der Laufzeitversionsliste finden Sie alle in der Laufzeitversion 1.12 enthaltenen Pakete.

25. April 2019

AI Platform-Vorhersage unterstützt jetzt benutzerdefinierte Vorhersageroutinen in der Betaversion. Mithilfe von benutzerdefinierten Vorhersageroutinen stellen Sie der AI Platform benutzerdefinierten Code zur Verfügung, der dann verwendet wird, wenn aus Ihrem erstellten Modell Onlinevorhersagen ausgegeben werden. Dies kann beim Vorverarbeiten von Vorhersageeingaben, Nachbearbeiten von Vorhersagen des Modells und vielem mehr nützlich sein.

Für die praktische Umsetzung bieten wir Ihnen Anleitungen zum Bereitstellen einer benutzerdefinierten Vorhersageroutine mit Keras oder zum Bereitstellen einer benutzerdefinierten Vorhersageroutine mit Scikit-Learn.

AI Platform-Vorhersage unterstützt jetzt benutzerdefinierte Transformer für scikit-learn-Pipelines in der Betaversion. So stellen Sie der AI Platform benutzerdefinierten Code für die Onlinevorhersage zur Verfügung. Ihre bereitgestellte Scikit-Learn-Pipeline verwendet diesen Code, wenn sie für Vorhersagen genutzt wird.

Für die praktische Umsetzung bieten wir Ihnen eine Anleitung zum Trainieren und Bereitstellen einer benutzerdefinierten scikit-learn-Pipeline.

AI Platform-Vorhersage unterstützt jetzt das Logging der Streams stderr und stdout Ihrer Vorhersageknoten mit Stackdriver Logging als Speicherziel während der Onlinevorhersage. Das Stream-Logging befindet sich in der Betaversion. Sie können diese Art des Loggings zusätzlich zum bereits vorhandenen Zugriffs-Logging oder an dessen Stelle aktivieren. Stream-Logging kann hilfreich sein, wenn Sie verstehen wollen, wie Ihre Bereitstellung Vorhersageanfragen verarbeitet.

01. April 2019

Die AI Platform bietet jetzt reduzierte Preise für Training, Onlinevorhersagen und Batchvorhersagen.

Weitere Informationen zu AI Platform-Preisen

28. März 2019

Die AI Platform umfasst jetzt auch Trainings mit integrierten Algorithmen. Sie können Ihre Daten für die automatische Vorverarbeitung einreichen und ein Modell anhand der Linear Learner- und Wide and Deep-Algorithmen von TensorFlow sowie des XGBoost-Algorithmus trainieren, ohne Code schreiben zu müssen.

Weitere Informationen zum Trainieren mit integrierten Algorithmen

25. März 2019

Die Laufzeitversion 1.13 der AI Platform unterstützt jetzt TensorFlow 1.13.1. In der Laufzeitversionsliste finden Sie alle in der Laufzeitversion 1.13 enthaltenen Pakete.

8. März 2019

Die Unterstützung für das Training mit TPUs in der AI Platform-Laufzeitversion 1.9 endete am 08. März 2019. Aktuell unterstützte Versionen finden Sie in der Laufzeitversionsliste.

6. März 2019

Die AI Platform-Laufzeitversion 1.13 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Diese Version unterstützt TensorFlow 1.13 und andere Pakete, die in der Laufzeitversionsliste aufgeführt sind.

Das Training mit TPUs wird in der Laufzeitversion 1.13 derzeit nicht unterstützt.

1. März 2019

AI Platform Notebooks steht jetzt als Betaversion zur Verfügung. Mit AI Platform Notebooks können Sie Instanzen von virtuellen Maschinen (VM) erstellen und verwalten, die mit JupyterLab und einer Suite von Deep-Learning-Software vorkonfiguriert sind.

Weitere Informationen finden Sie im Überblick über AI Platform Notebooks und in der Anleitung zum Erstellen einer neuen Notebookinstanz.

13. Februar 2019

Cloud TPU ist jetzt allgemein zum Trainieren von TensorFlow-Modellen verfügbar. Tensor Processing Units (TPUs) sind Beschleuniger, die von Google speziell für ML-Arbeitslasten entwickelt wurden.

Weitere Informationen zum Trainieren Ihrer Modelle auf der AI Platform mit TPUs sowie zur Preisgestaltung

07. Februar 2019

Das Training mit benutzerdefinierten Containern steht jetzt als Betaversion zur Verfügung. Mit dieser Funktion können Sie Ihre Trainingsanwendung mit einem benutzerdefinierten Docker-Image auf AI Platform ausführen. Sie können den benutzerdefinierten Container mit einem beliebigen ML-Framework erstellen. Für den Anfang empfehlen wir das Trainieren eines PyTorch-Modells mit benutzerdefinierten Containern.

Sie können jetzt Trainingsjobs mit bestimmten Compute Engine-Maschinentypen konfigurieren. Dies eröffnet Ihnen zusätzliche Flexibilität bei der Zuordnung von Rechenressourcen zu Trainingsjobs. Dieses Feature ist als Betaversion verfügbar.

Sie können beim Konfigurieren eines Jobs mit Compute Engine-Maschinentypen einen benutzerdefinierten Satz von GPUs anhängen.

Weitere Informationen zu Compute Engine-Maschinentypen, GPU-Anhängen und Preisen

P4-GPUs sind jetzt in der Betaversion zum Trainieren verfügbar. Weitere Informationen zur Verwendung von GPUs, der regionalen Verfügbarkeit und zur Preisgestaltung

01. Februar 2019

Quad-Core-CPUs sind jetzt in der Betaversion für Onlinevorhersagen verfügbar. Die Namen der Maschinentypen wurden geändert und die Preise aktualisiert.

25. Januar 2019

Die Onlinevorhersage ist jetzt in der Region "us-east4" verfügbar. Weitere Informationen erhalten Sie im Leitfaden zur regionalen Verfügbarkeit.

10. Januar 2019

V100-GPUs sind jetzt allgemein zum Trainieren verfügbar. Weitere Informationen zur Verwendung von GPUs und der Preisgestaltung

19. Dezember 2018

Die AI Platform-Laufzeitversionen 1.11 und 1.12 sind jetzt zum Trainieren und für Vorhersagen verfügbar. Diese Versionen unterstützen TensorFlow 1.11 bzw. 1.12 und andere Pakete, die in der Laufzeitversionsliste aufgeführt sind.

Die AI Platform-Laufzeitversionen 1.11 und 1.12 unterstützen jetzt TPU-Training. Version 1.10 wird nicht unterstützt. Aktuell unterstützte Versionen finden Sie in der Laufzeitversionsliste.

Jede AI Platform-Laufzeitversion enthält jetzt joblib. Version 1.4 ist die früheste Laufzeitversion, die joblib enthält.

26. Oktober 2018

TPU-Training für die Cloud ML-Laufzeitversion 1.8 wird seit dem 26. Oktober 2018 nicht mehr unterstützt. Aktuell unterstützte Versionen finden Sie in der Laufzeitversionsliste.

11. Oktober 2018

Die AI Platform-Laufzeitversion 1.11 wird aufgrund von Fehlern zurückgesetzt, die durch einen CuDNN-Versionsunterschied während des GPU-Trainings verursacht wurden. Verwenden Sie die Laufzeitversion 1.10, um das Problem zu umgehen. Weitere Informationen finden Sie in der Laufzeitversionsliste.

5. Oktober 2018

Die AI Platform-Laufzeitversion 1.11 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Diese Version unterstützt TensorFlow 1.11 und andere Pakete, die in der Laufzeitversionsliste aufgeführt sind.

31. August 2018

Die AI Platform-Laufzeitversion 1.10 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Diese Version unterstützt TensorFlow 1.10 und andere Pakete, die in der Laufzeitversionsliste aufgeführt sind.

27. August 2018

V100-GPUs sind jetzt in der Betaversion zum Trainieren verfügbar. Für die Verwendung von V100-GPUs fallen jetzt Gebühren an. Weitere Informationen zur Verwendung von GPUs und zur Preisgestaltung

P100-GPUs sind jetzt allgemein zum Trainieren verfügbar. Weitere Informationen zur Verwendung von GPUs und zur Preisgestaltung

Zwei neue Regionen, us-west1 und europe-west4, sind jetzt zum Trainieren verfügbar. Weitere Informationen finden Sie auf der Seite "Regionen".

24. August 2018

TPU-Training für die Cloud ML-Laufzeitversion 1.7 wird seit dem 24. August 2018 nicht mehr unterstützt. Aktuell unterstützte Versionen finden Sie in der Laufzeitversionsliste.

9. August 2018

Wir freuen uns, bedeutende Preissenkungen für Onlinevorhersagen mit der AI Platform ankündigen zu können.

In der folgenden Tabelle sind die bisherigen und die neuen Preise aufgeführt:

Region Bisheriger Preis pro Knoten pro Stunde Neuer Preis pro Knoten pro Stunde
USA 0,30 $ 0,056 $
Europa 0,348 $ 0,061 $
Asiatisch-pazifischer Raum 0,348 $ 0,071 $

Weitere Informationen zu den Preisen

8. August 2018

Wir freuen uns, Aktionspreise für Cloud TPU mit der AI Platform ankündigen zu können, die zu erheblichen Preissenkungen führen.

In der folgenden Tabelle sind die bisherigen und die neuen Preise aufgeführt:

Region: USA Bisheriger Preis pro TPU pro Stunde Neuer Preis pro TPU pro Stunde
Skalierungsstufe: BASIC_TPU_(Beta) 9,7674 $ 6,8474 $
Benutzerdefinierter Maschinentyp: cloud_tpu_(Beta) 9,4900 $ 6,5700 $

Diese Tabelle enthält nur Preise für die Region "USA". Die Cloud TPU-Verfügbarkeit auf der AI Platform hat sich nicht geändert. Weitere Informationen zu den Preisen

6. August 2018

Die AI Platform-Laufzeitversion 1.9 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Diese Version unterstützt TensorFlow 1.9 und andere Pakete, die in der Laufzeitversionsliste aufgeführt sind.

23. Juli 2018

Die AI Platform unterstützt jetzt scikit-learn und XGBoost für das Training. Diese Funktion ist allgemein verfügbar. Weitere Informationen zum Trainieren mit scikit-learn und XGBoost auf der AI Platform

Unterstützung für Onlinevorhersagen für scikit-learn und XGBoost ist jetzt allgemein verfügbar.

12. Juli 2018

Sie können für Ihre AI Platform-Ressourcen Labels vergeben (Jobs, Modelle und Modellversionen). Anschließend können Sie diese Labels verwenden, um die Ressourcen in Kategorien zu organisieren. Labels sind auch für Vorgänge verfügbar. Sie werden jedoch von der Ressource abgeleitet, auf die der Vorgang angewendet wird. Weitere Informationen finden Sie unter Labels hinzufügen und verwenden

26. Juni 2018

Die folgenden zusätzlichen Regionen sind jetzt vollständig verfügbar:

  • us-east1
  • asia-northeast1

Weitere Informationen finden Sie unter Verfügbarkeit der Regionen

13. Juni 2018

TPU-Training für die Cloud ML-Laufzeitversion 1.6 wird seit dem 13. Juni 2018 nicht mehr unterstützt. Aktuell unterstützte Versionen finden Sie in der Laufzeitversionsliste.

29. Mai 2018

Sie können jetzt Cloud TPU (Betaversion) mit TensorFlow 1.8 und die Laufzeitversion 1.8 der AI Platform verwenden.

Hintergrundinformation: Cloud TPU wurde am 14. Mai auf der AI Platform in den Laufzeitversionen 1.6 und 1.7 verfügbar. Letzte Woche wurde die Laufzeitversion 1.8 veröffentlicht. Zu diesem Zeitpunkt war Cloud TPU jedoch noch nicht mit TensorFlow 1.8 verfügbar. Dies ist nun der Fall. Weitere Informationen zum Trainieren Ihrer Modelle mit TPUs

16. Mai 2018

Die AI Platform-Laufzeitversion 1.8 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Diese Version unterstützt TensorFlow 1.8 und andere Pakete, die in der Laufzeitversionsliste aufgeführt sind.

15. Mai 2018

Sie können jetzt die Mindestzahl der Knoten für die automatische Skalierung bei einer vorhandenen Modellversion aktualisieren und das Attribut beim Erstellen einer neuen Version festlegen.

14. Mai 2018

Die AI Platform bietet jetzt Cloud TPU (Betaversion) zum Trainieren von TensorFlow-Modellen an. Tensor Processing Units (TPUs) sind von Google speziell entwickelte ASICs, die dazu dienen, ML-Arbeitslasten zu beschleunigen. Weitere Informationen zum Trainieren Ihrer Modelle auf der AI Platform mit TPUs

26. April 2018

Die AI Platform-Laufzeitversion 1.7 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Diese Version unterstützt TensorFlow 1.7 und andere Pakete, die in der Laufzeitversionsliste aufgeführt sind.

16. April 2018

Hyperparameter-Algorithmen: Wenn Sie die Hyperparameter in Ihrem Trainingsjob optimieren möchten, können Sie dazu nun einen Suchalgorithmus in HyperparameterSpec festlegen. Verfügbare Werte sind:

  • GRID_SEARCH: Eine einfache Rastersuche im zulässigen Bereich. Diese Option ist besonders nützlich, wenn Sie mehr Tests festlegen möchten als die Zahl der Punkte im zulässigen Bereich. Ist in solchen Fällen keine Rastersuche festgelegt, generiert der AI Platform-Standardalgorithmus unter Umständen doppelte Vorschläge. Alle Parameter müssen vom Typ INTEGER, CATEGORICAL oder DISCRETE sein, um die Rastersuche nutzen zu können.
  • RANDOM_SEARCH: Eine einfache Zufallssuche im zulässigen Bereich.

Wenn Sie keinen Algorithmus angeben, verwendet der Job den AI Platform-Standardalgorithmus, der die Parametersuche steuert, um im Parameterbereich zu einer optimalen Lösung zu gelangen. Weitere Informationen zur Abstimmung von Hyperparametern finden Sie im Überblick zur Hyperparameter-Abstimmung.

5. April 2018

Die AI Platform unterstützt jetzt scikit-learn und XGBoost für Onlinevorhersagen. Diese Funktion befindet sich in der Betaphase.

  • Legen Sie framework auf projects.models.versions.create fest, um beim Erstellen einer Modellversion ein Framework für maschinelles Lernen anzugeben. Gültige Werte sind TENSORFLOW, SCIKIT_LEARN und XGBOOST. Der Standardwert ist TENSORFLOW. Wenn Sie SCIKIT_LEARN oder XGBOOST angeben, müssen Sie in der Modellversion runtimeVersion auf 1.4 oder höher setzen.
  • Weitere Informationen finden Sie in der Anleitung zu scikit-learn und XGBoost auf der AI Platform.

Python 3.5 ist für Onlinevorhersagen verfügbar.

  • Legen Sie pythonVersion auf projects.models.versions.create fest, um beim Erstellen einer Modellversion Ihre Version von Python anzugeben. Python 2.7 ist die Standardeinstellung.
  • Einzelheiten zu allen verfügbaren Paketen auf der AI Platform finden Sie in der Laufzeitversionsliste.

20. März 2018

Die AI Platform-Laufzeitversion 1.6 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Diese Version unterstützt TensorFlow 1.6 und andere Pakete, die in der Laufzeitversionsliste aufgeführt sind.

13. März 2018

Die AI Platform-Laufzeitversion für TensorFlow 1.5 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Weitere Informationen finden Sie in der Laufzeitversionsliste.

8. Februar 2018

Es wurden neue Funktionen für die Abstimmung von Hyperparametern hinzugefügt: automatisches vorzeitiges Beenden von Tests, Wiederaufnahme eines vorherigen Hyperparameter-Abstimmungsjobs und zusätzliche Effizienzoptimierungen beim Ausführen ähnlicher Jobs. Weitere Informationen finden Sie unter Überblick zur Hyperparameter-Abstimmung.

14. Dezember 2017

Die AI Platform-Laufzeitversion für TensorFlow 1.4 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Weitere Informationen finden Sie in der Laufzeitversionsliste.

Python 3 ist jetzt zum Trainieren im Rahmen der AI Platform-Laufzeitversion für TensorFlow 1.4 verfügbar. Weitere Informationen finden Sie in der Laufzeitversionsliste.

Onlinevorhersagen sind jetzt allgemein für die Einzelkernbereitstellung verfügbar. Weitere Informationen finden Sie in der Anleitung zur Onlinevorhersage und im Blogpost.

Die Preise wurden sowohl für Trainings als auch für Vorhersagen reduziert und vereinfacht. Weitere Informationen finden Sie unter Preise, im Blogpost und in den FAQ zur Preisgestaltung, die einen Vergleich der alten und aktuellen Preise enthalten.

P100 GPUs sind jetzt in der Betaversion verfügbar. Für die Verwendung von P100 GPUs fallen jetzt Gebühren an. Weitere Informationen zur Verwendung von GPUs und zur Preisgestaltung

26. Oktober 2017

Audit-Logging für die AI Platform ist jetzt in der Betaversion verfügbar. Weitere Informationen zu Audit-Logs

25. September 2017

Vordefinierte IAM-Rollen für die AI Platform sind jetzt allgemein verfügbar. Weitere Informationen finden Sie unter Zugriffssteuerung.

27. Juni 2017

Die AI Platform-Laufzeitversion für TensorFlow 1.2 ist jetzt zum Trainieren und für Vorhersagen verfügbar. Weitere Informationen finden Sie in der Laufzeitversionsliste.

Die älteren Laufzeitversionen mit TensorFlow 0.11 und 0.12 werden von der AI Platform nicht mehr unterstützt. Weitere Informationen finden Sie in der Laufzeitversionsliste und unter Unterstützung für ältere Laufzeitversionen mit Angabe der Zeiträume.

9. Mai 2017

GPU-fähige Maschinen sind jetzt allgemein verfügbar. Weitere Informationen finden Sie unter GPUs für Trainingsmodelle in der Cloud verwenden.

27. April 2017

GPUs sind jetzt in der Region "us-central1" verfügbar. Eine vollständige Liste der Regionen, die GPUs unterstützen, finden Sie unter GPUs für Trainingsmodelle in der Cloud verwenden.

v1 (8. März 2017)

Ankündigung der allgemeinen Verfügbarkeit der AI Platform. Version 1 der AI Platform ist allgemein für Trainings- und Bereitstellungsmodelle sowie für das Generieren von Batchvorhersagen verfügbar. Die Funktion der Hyperparameter-Abstimmung ist ebenfalls allgemein verfügbar. Dagegen befinden sich die Onlinevorhersage und GPU-fähige Maschinen noch in der Betaphase.

Onlinevorhersagen befinden sich jetzt in der Betastartphase. Ihre Verwendung unterliegt nun der AI Platform-Preisrichtlinie und folgt derselben Preisformel wie die Batchvorhersage. Da sich Onlinevorhersagen noch in der Betaphase befinden, sollten sie nicht in geschäftskritischen Anwendungen verwendet werden.

Die Umgebungen, die die AI Platform zum Trainieren von Modellen und zum Abrufen von Vorhersagen verwendet, wurden als AI Platform-Laufzeitversionen definiert. Sie können zum Trainieren, für die Definition einer Modellressource oder bei Anfragen für Batchvorhersagen die Verwendung einer unterstützten Laufzeitversion festlegen. Laufzeitversionen unterscheiden sich zum jetzigen Zeitpunkt primär in der von einer Laufzeitversion unterstützten TensorFlow-Version. Es können im Laufe der Zeit aber noch weitere Unterschiede hinzukommen. Ausführliche Informationen dazu finden Sie in der Laufzeitversionsliste.

Sie können jetzt Batchvorhersagejobs für TensorFlow SavedModels ausführen, die in Google Cloud Storage gespeichert sind und nicht als Modellversion auf der AI Platform gehostet werden. Statt beim Erstellen Ihres Jobs ein Modell oder eine Versions-ID bereitzustellen, können Sie den URI Ihres SavedModel verwenden.

Das Google Cloud Machine Learning SDK, das bisher als Alphaversion freigegeben war, wurde verworfen. Es wird ab dem 7. Mai 2017 nicht mehr unterstützt. Der größte Teil der Funktionalität des SDK wurde in das neue TensorFlow-Paket tf.Transform eingebunden. Sie können für die Vorverarbeitung Ihrer Eingabedaten jede beliebige Technologie bzw. jedes beliebige Tool verwenden. Wir empfehlen jedoch tf.Transform sowie auf der Google Cloud Platform verfügbare Dienste wie Google Cloud Dataflow, Google Cloud Dataproc oder Google BigQuery.

v1beta1 (29. September 2016)

Onlinevorhersagen sind eine Alphafunktion. Obwohl die AI Platform sich insgesamt in der Betaphase befindet, werden für Onlinevorhersagen immer noch erhebliche Änderungen zur Leistungsverbesserung durchgeführt. Onlinevorhersagen werden nicht in Rechnung gestellt, solange sie sich in der Alphaphase befinden.

Die Vorverarbeitung und die übrigen Funktionen des AI Platform SDK sind Alphafunktionen. Das SDK wird weiterhin aktiv weiterentwickelt, um die Einbindung der AI Platform in Apache Beam zu optimieren.

Hat Ihnen diese Seite weitergeholfen? Teilen Sie uns Ihr Feedback mit:

Feedback geben zu...

AI Platform für TensorFlow