Questa pagina spiega l'integrazione di PyTorch di Vertex AI e fornisce risorse che mostrano come utilizzare PyTorch su Vertex AI. PyTorch di Vertex AI semplifica l'addestramento, il deployment e l'orchestrazione di PyTorch modelli in produzione.
Eseguire codice nei blocchi note
Vertex AI offre due opzioni per eseguire il codice nei notebook: Colab Enterprise e Vertex AI Workbench. Per scoprire di più su queste opzioni, vedi scegli una soluzione di blocco note.
Container predefiniti per l'addestramento
Vertex AI fornisce immagini di container Docker predefiniti per l'addestramento dei modelli. Questi container sono organizzati per framework di machine learning e versioni del framework e includono dipendenze comuni che potresti voler utilizzare nel codice di addestramento. Informazioni sulle versioni di PyTorch con addestramento predefinito di addestramento e come addestrare i modelli con un container di addestramento predefinito, Container predefiniti per l'addestramento personalizzato.
Container predefiniti per la fornitura di previsioni
Vertex AI fornisce immagini di container Docker predefiniti per fornire sia le previsioni in batch sia quelle online. Questi container sono organizzati per framework di machine learning e versioni del framework e includono dipendenze comuni che potresti voler utilizzare nel codice di previsione. Per scoprire quali versioni di PyTorch dispongono di container di previsione predefiniti e come pubblicare modelli con un container di previsione predefinito, consulta Container predefiniti per l'addestramento personalizzato.
Addestramento distribuito
Puoi eseguire l'addestramento distribuito dei modelli PyTorch su Vertex AI. Per con più lavoratori, puoi utilizzare Reduct Server per ottimizzare le prestazioni ulteriormente per ridurre del tutto le operazioni collettive. Per scoprire di più su per l'addestramento distribuito su Vertex AI, Addestramento distribuito.
Risorse per l'utilizzo di PyTorch su Vertex AI
Per scoprire di più e iniziare a utilizzare PyTorch in Vertex AI, consulta le seguenti risorse:
- Come addestrare e ottimizzare i modelli PyTorch su Vertex AI: Scopri come utilizzare Vertex AI Training per creare e addestrare un modello di classificazione del testo del sentiment utilizzando PyTorch e Ottimizzazione degli iperparametri Vertex AI per ottimizzare gli iperparametri dei modelli PyTorch.
- Come eseguire il deployment dei modelli PyTorch su Vertex AI: esegui la procedura di deployment di un modello PyTorch utilizzando TorchServe come contenitore personalizzato, eseguendo il deployment gli elementi del modello in un servizio Vertex AI Prediction.
- Orchestrazione di PyTorch ML Workflows su Vertex AI Pipelines: Scopri come creare e orchestrare le pipeline ML per l'addestramento e il deployment Modelli PyTorch su Vertex AI di Google Cloud utilizzando Vertex AI Pipelines,
- Flusso di lavoro ML scalabile che utilizza PyTorch su Kubeflow Pipelines e Vertex Pipelines: esamina gli esempi di flussi di lavoro ML basati su PyTorch su Kubeflow Pipelines (parte del progetto Kubeflow) e Vertex AI Pipelines. Condividiamo nuovi componenti integrati di PyTorch aggiunto a Kubeflow Pipelines.
- Pubblicazione di modelli di immagini PyTorch con container predefiniti su Vertex AI: questo blocco note esegue il deployment di un modello di classificazione delle immagini PyTorch su Vertex AI utilizzando immagini di servizio PyTorch predefinite.
Passaggi successivi
- Tutorial: utilizza Vertex AI per addestrare un modello di classificazione delle immagini PyTorch in uno degli ambienti container predefiniti di Vertex AI utilizzando la console Google Cloud.
Per seguire le indicazioni dettagliate per questa attività direttamente nella console Google Cloud, fai clic su Procedura guidata: