Vertex AI 简介

Vertex AI 将 AutoML 和 AI Platform 整合到统一的 API、客户端库和界面中。借助 AutoML,您无需编写代码即可基于图片、表格、文本和视频数据集训练模型,而 AI Platform 中的训练则让您可以运行自定义训练代码。Vertex AI 提供 AutoML 训练和自定义训练选项。无论您选择哪种训练选项,您都可以使用 Vertex AI 保存模型、部署模型和请求预测。

Vertex AI 在机器学习工作流中的适用位置

您可以使用 Vertex AI 管理机器学习工作流中的以下阶段:

  • 创建数据集并上传数据。

  • 使用您的数据训练机器学习模型:

    • 训练模型
    • 评估模型准确率
    • 调整超参数(仅限自定义训练)
  • 在 Vertex AI 中上传并存储模型。

  • 将经过训练的模型部署到端点以执行服务。

  • 向端点发送预测请求。

  • 在端点中指定预测流量拆分。

  • 管理模型和端点。

Vertex AI 组件

本部分介绍构成 Vertex AI 的各个部分以及各部分的主要用途。

培训

您可以使用 AutoML 在 Vertex AI 上训练模型;如果您需要 AI Platform Training 中提供的更广泛的自定义选项,则可以使用自定义训练。

在自定义训练中,您可以选择多种不同的机器类型为您的训练作业提供支持、启用分布式训练、使用超参数调节,以及使用 GPU 加快速度。

部署用于预测的模型

您可以在 Vertex AI 上部署模型并获取端点,以便在 Vertex AI 上执行预测。

无论模型是否在 Vertex AI 上进行训练,您都可以在 Vertex AI 上部署模型。

为数据加标签

通过为数据加标签作业,您可以请求以人工方式为计划用于训练自定义机器学习模型的数据集加标签。您可以提交为视频、图片或文本数据添加标签的请求。

要提交添加标签请求,您需要提供已加标签的数据的代表性样本,指定数据集的所有可能标签,并提供一些如何应用这些标签的说明。标签添加人员将会按您的说明添加标签。当添加标签请求完成后,您将获得添加了注释的数据集,可将其用于训练机器学习模型。

Feature Store

Feature Store 是一个全代管式代码库,您可以在其中提取、应用机器学习特征值并在组织内进行共享。Feature Store 替您管理所有底层基础架构。例如,它为您提供存储和计算资源,并可根据需要轻松扩缩。

与 Vertex AI 互动的工具

本部分介绍用于与 Vertex AI 互动的工具。

Google Cloud Console

Cloud Console 中,您可以将模型部署到云端,以及管理数据集、模型、端点和作业。此选项为您提供了用于处理机器学习资源的界面。作为 Google Cloud 的一部分,您的 Vertex AI 资源与 Cloud Logging 和 Cloud Monitoring 等实用工具相关联。开始使用 Cloud Console 的最佳位置是 Vertex AI 部分的信息中心页面:

转到“信息中心”页面

Cloud 客户端库

Vertex AI 提供某些语言的客户端库,帮助您调用 Vertex AI API。这些客户端库使用每种受支持语言的自然规范和样式,为开发者带来优化的体验。如需详细了解受支持的语言以及如何安装这些语言,请参阅安装客户端库

或者,您也可以通过 Google API 客户端库,使用 Dart 等其他语言访问 Vertex AI API。使用 Google API 客户端库时,您可以构建 API 所用资源和对象的表示法。与直接使用 HTTP 请求相比,这种方式更简单,所需的代码更少。

REST API

Vertex AI REST API 提供 RESTful 服务,用于管理作业、模型和端点,以及使用 Google Cloud 上的托管模型进行预测。

笔记本

使用 Notebooks,您可以创建和管理预封装了 JupyterLab 的虚拟机 (VM) 实例。

Notebooks 实例中预安装了一套深度学习软件包,包括 TensorFlow 和 PyTorch 框架支持。您可以配置仅限 CPU 的实例或支持 GPU 的实例,以最大限度满足您的需求。

您的 Notebooks 实例受 Google Cloud 身份验证和授权功能的保护,并且可以通过 Notebooks 实例网址提供。此外,Notebooks 实例还与 GitHub 集成,因此您可以轻松地将您的笔记本与 GitHub 代码库进行同步。

如需了解详情,请参阅将 Notebooks 与 Vertex AI 搭配使用

Deep Learning VM Image 映像

Deep Learning VM Image 是一组针对数据科学和机器学习任务进行了优化的虚拟机器映像。所有映像都预安装了关键机器学习框架和工具。您可以在配备了 GPU 的实例上开箱即用,从而加快数据处理任务的速度。

Deep Learning VM 映像可用于支持框架和处理器的许多组合。目前有支持 TensorFlow Enterprise、TensorFlow、PyTorch 和通用高性能计算的映像,并且有仅适用于 CPU 和适用于支持 GPU 的工作流的版本。

要查看可用的框架列表,请参阅选择映像

如需了解详情,请参阅将 Deep Learning VM Image 和 Deep Learning Containers 与 Vertex AI 搭配使用

Deep Learning Containers

Deep Learning Containers 是一组 Docker 容器,其中预安装了关键数据科学框架、库和工具。这些容器可为您提供性能更出色的一致环境,帮助您快速为工作流设计原型并加以实施。

如需了解详情,请参阅将 Deep Learning VM Image 和 Deep Learning Containers 与 Vertex AI 搭配使用

后续步骤