Mit benutzerdefinierten Trainingsjobs können Sie Ihren benutzerdefinierten Trainingscode für maschinelles Lernen (ML) in Vertex AI ausführen.
CustomTrainingJobOp
Die Komponente CustomTrainingJobOp
stellt die volle Funktionalität der CustomJob
-Ressource bereit, um sowohl ein einzelnes als auch ein verteiltes Training mithilfe einer ContainerSpec
- oder PythonPackageSpec
-Instanz zuzulassen.
create_custom_training_job_from_component
-Funktion
Das Dienstprogramm create_custom_training_job_from_component
konvertiert eine bestimmte Container- oder Python-Komponente in eine Komponente, die einen benutzerdefinierten Job in Vertex AI ausführt. Dies vereinfacht die Erstellung benutzerdefinierter Trainingsjobs. Alle Ein- und Ausgaben der bereitgestellten Komponente werden in den erstellten Trainingsjoboperator kopiert.
Beachten Sie, dass dieses Dienstprogramm eine ClusterSpec
erstellt, bei der der primäre und alle Worker dieselbe Spezifikation verwenden. Dies bedeutet, dass alle Parameter der Laufwerk- und Maschinenspezifikation für alle Replikate gelten. Dies ist für Anwendungsfälle geeignet, in denen Sie beispielsweise mit MultiWorkerMirroredStrategy
oder MirroredStrategy
trainieren.
Diese Komponente unterstützt weder das Python-Pakettraining CustomJob
noch ein verteiltes Training mit unterschiedlichen Worker-Pool-Spezifikationen.
API-Referenz
- Weitere Informationen zur Komponentenreferenz finden Sie in der SDK-Referenz für Google Cloud Pipeline-Komponenten für CustomJob-Komponenten.
- Die Referenz zur Vertex AI API finden Sie auf der Seite
CustomJob
-Ressource.
Versionsverlauf und Versionshinweise
Weitere Informationen zum Versionsverlauf und zu Änderungen am Google Cloud Pipeline Components SDK finden Sie in den Versionshinweisen zum Google Cloud Pipeline Components SDK.
Technische Supportkontakte
Bei Fragen senden Sie eine E-Mail an kubeflow-pipelines-components@google.com.