Benutzerdefiniertes Vertex AI TensorBoard-Training mit benutzerdefiniertem Container
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
In dieser Anleitung erfahren Sie, wie Sie einen benutzerdefinierten Trainingsjob mithilfe von benutzerdefinierten Containern erstellen und den Trainingsprozess in Vertex AI TensorBoard nahezu in Echtzeit überwachen.
Notebook: Benutzerdefinierte Trainingsjobs mit benutzerdefinierten Containern erstellen
In dieser Anleitung werden folgende Google Cloud ML-Dienste und -Ressourcen verwendet:
Vertex AI-Training
Vertex AI TensorBoard
Die durchgeführten Schritte umfassen Folgendes:
Erstellen Sie ein Docker-Repository und eine Docker-Konfiguration.
Erstellen Sie ein benutzerdefiniertes Container-Image mit Ihrem benutzerdefinierten Trainingscode.
Richten Sie ein Dienstkonto und Google Cloud Storage-Buckets ein.
Erstellen und starten Sie Ihren benutzerdefinierten Trainingsjob mit dem benutzerdefinierten Container.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-02-14 (UTC)."],[],[]]
