Utiliser des images Deep Learning VM Image et des conteneurs de deep learning avec Vertex AI

Cette page décrit les principales fonctionnalités de Deep Learning VM et des conteneurs de deep learning. Elle vous aide à comprendre comment utiliser ces produits avec Vertex AI.

Deep Learning VM

Présentation

Deep Learning VM Images est un ensemble d'images de machines virtuelles optimisées pour les tâches de science des données et de machine learning. Toutes les images sont livrées avec des outils et des frameworks de ML clés pré-installés. Vous pouvez les utiliser directement sur les instances dotées de GPU pour accélérer vos tâches de traitement de données.

Les instances Deep Learning VM Image sont compatibles avec de nombreuses combinaisons de framework et de processeur. Il existe actuellement des images compatibles avec TensorFlow Enterprise, TensorFlow, PyTorch et le calcul hautes performances générique, dans des versions pour les workflows reposant uniquement sur le processeur ou utilisant des GPU.

Pour afficher la liste des frameworks disponibles, consultez la page Choisir une image.

Pour en savoir plus, consultez la documentation de Deep Learning VM.

Utiliser Deep Learning VM

Vous pouvez utiliser une instance Deep Learning VM lors de votre travail dans l'IA Vertex. Par exemple, vous pouvez développer une application à exécuter sur une instance Deep Learning VM pour profiter de sa fonctionnalité de traitement des données optimisée. Vous pouvez également utiliser une instance Deep Learning VM comme environnement de développement pour un système d'entraînement distribué autogéré.

Vous pouvez créer des instances Deep Learning VM sur la page "Deep Learning VM" de Cloud Marketplace dans Google Cloud Console.

Accéder à la page Deep Learning VM de Cloud Marketplace

Conteneurs de deep learning

Présentation

Les conteneurs de deep learning sont un ensemble de conteneurs Docker avec des frameworks de science de données, des bibliothèques et des outils pré-installés. Ces conteneurs fournissent des environnements cohérents et optimisés pour les performances, qui peuvent vous aider à créer des prototypes et à mettre en œuvre rapidement des workflows.

Pour en savoir plus, consultez la documentation sur les conteneurs de Deep Learning.

Utiliser des conteneurs de deep learning

Vous pouvez utiliser une instance de conteneur Deep Learning lors de votre travail sur l'IA Vertex. Par exemple, les conteneurs prédéfinis disponibles sur Vertex AI sont des conteneurs de deep learning intégrés.

Vous pouvez également créer votre modèle d'IA Vertex en tant qu'application basée sur un conteneur personnalisé pour vous aider à le déployer dans un environnement cohérent et l'exécuter là où il doit être.

Pour commencer à créer votre propre conteneur personnalisé, procédez comme suit :

  1. Choisissez l'une des images de conteneurs disponibles.

  2. Consultez la documentation Vertex AI appropriée sur les exigences concernant les conteneurs, comme Conteneurs personnalisés pour l'entraînement et Exigences concernant l'utilisation de conteneurs personnalisés pour la prédiction.

    Tenez compte de ces exigences et préparez-vous à modifier votre conteneur en conséquence.

  3. Créez une instance locale de conteneurs de deep learning en veillant à modifier le conteneur conformément aux exigences de l'IA Vertex.

  4. Transférez le conteneur vers Artifact Registry.

Étape suivante