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: 2025-02-26 (UTC)."],[],[]]