Deep Learning VM Images und Deep Learning Container mit Vertex AI verwenden

Auf dieser Seite werden die wichtigsten Features von Deep Learning VM und Deep Learning Container beschrieben. Außerdem wird erläutert, wie Sie diese Produkte mit Vertex AI verwenden können.

Deep Learning VM

Übersicht

Deep Learning VM-Images sind virtuelle Maschinen-Images, die für Aufgaben in den Bereichen Data Science und maschinelles Lernen optimiert sind. Alle Images enthalten vorinstallierte zentrale ML-Frameworks und -Tools. Sie können diese sofort in Instanzen mit GPUs verwenden, um die Datenverarbeitung zu beschleunigen.

Deep Learning VM Images unterstützen viele Framework/Prozessor-Kombinationen. Derzeit gibt es Images, die TensorFlow Enterprise, TensorFlow, PyTorch und generisches Hochleistungs-Computing unterstützen. Einige Versionen unterstützen sowohl ausschließlich CPU-basierte als auch GPU-fähige Workflows.

Eine Liste der verfügbaren Frameworks finden Sie unter Image auswählen.

Weitere Informationen finden Sie in der Dokumentation zu Deep Learning VM.

Deep Learning VM verwenden

Sie können eine Deep Learning VM-Instanz als Teil Ihrer Arbeit in Vertex AI verwenden. Beispielsweise können Sie eine Anwendung entwickeln, die auf einer Deep Learning-VM-Instanz ausgeführt wird, um von ihrer optimierten Datenverarbeitungsfunktion zu profitieren. Sie können eine Deep Learning-VM-Instanz auch als Entwicklungsumgebung für ein selbstverwaltetes, verteiltes Trainingssystem verwenden.

Deep Learning VM-Instanzen lassen sich in der Google Cloud Console auf der Seite Deep Learning VM Cloud Marketplace erstellen.

Zur Seite "Deep Learning VM Cloud Marketplace"

Deep Learning Container

Übersicht

AI Platform Deep Learning Container sind eine Reihe von Docker-Containern, in denen wichtige Data-Science-Frameworks, -Bibliotheken und -Tools vorinstalliert sind. Diese Container bieten leistungsoptimierte, konsistente Umgebungen, mit denen Sie schnell Prototypen erstellen und Workflows implementieren können.

Weitere Informationen finden Sie in der Dokumentation zu Deep Learning Containers.

Deep Learning Container verwenden

Sie können eine Deep Learning Container-Instanz als Teil Ihrer Arbeit in Vertex AI verwenden. Die auf Vertex AI verfügbaren vordefinierten Container sind beispielsweise integrierte Deep Learning Container.

Sie können Ihr Vertex AI-Modell auch als benutzerdefinierte containerbasierte Anwendung erstellen, um es in einer konsistenten Umgebung bereitzustellen und überall auszuführen.

So erstellen Sie einen eigenen benutzerdefinierten Container:

  1. Wählen Sie eines der verfügbaren Container-Images aus.

  2. Informationen zu Containeranforderungen finden Sie in der entsprechenden Vertex AI-Dokumentation, z. B. Benutzerdefinierte Container für das Training und Benutzerdefinierte Containeranforderungen für Vorhersagen.

    Beachten Sie diese Anforderungen und bereiten Sie den Container entsprechend vor.

  3. Erstellen Sie eine lokale Deep Learning Container-Instanz und ändern Sie dabei den Container entsprechend den Anforderungen der Vertex AI.

  4. Übertragen Sie den Container per Push in die Artifact Registry.

Nächste Schritte