本頁面說明 Vertex AI 的 PyTorch 整合功能，並提供相關資源，協助您在 Vertex AI 上使用 PyTorch。Vertex AI 的 PyTorch 整合功能可讓您更輕鬆地在正式環境中訓練、部署及自動化調度 PyTorch 模型。
在筆記本中執行程式碼
Vertex AI 提供兩種在筆記本中執行程式碼的選項：Colab Enterprise 和 Vertex AI Workbench。如要進一步瞭解這些選項，請參閱選擇筆記本解決方案。
用於訓練的預先建構容器
Vertex AI 提供預建的 Docker 容器映像檔，用於模型訓練。這些容器是依據機器學習架構和架構版本來分類，其中包含您可能會想在訓練程式碼中使用的常見依附元件。如要瞭解哪些 PyTorch 版本有預先建構的訓練容器，以及如何使用預先建構的訓練容器訓練模型，請參閱「用於自訂訓練工作的預先建立容器」。
用於提供推論結果的預先建構容器
Vertex AI 提供預先建構的 Docker 容器映像檔，可處理批次和線上推論。這些容器是依據機器學習架構和架構版本來分類，其中包含您可能會想在推論程式碼中使用的常見依附元件。如要瞭解哪些 PyTorch 版本有預先建構的推論容器，以及如何使用預先建構的推論容器提供模型服務，請參閱「自訂訓練的預先建構容器」。
分散式訓練
您可以在 Vertex AI 上執行 PyTorch 模型的分散式訓練。對於多工作站訓練，您可以使用 Reduction Server，進一步最佳化所有縮減集體作業的效能。如要進一步瞭解 Vertex AI 中的分散式訓練，請參閱「分散式訓練」。
在 Vertex AI 上使用 PyTorch 的資源
如要進一步瞭解並開始在 Vertex AI 中使用 PyTorch，請參閱下列資源：
- 如何在 Vertex AI 上訓練及調整 PyTorch 模型： 瞭解如何使用 Vertex AI Training ，透過 PyTorch 建構及訓練情緒文字分類模型，以及使用 Vertex AI Hyperparameter Tuning 調整 PyTorch 模型的超參數。
- 如何在 Vertex AI 上部署 PyTorch 模型： 逐步瞭解如何使用 TorchServe 做為自訂容器，將模型構件部署至 Vertex AI Inference 服務，藉此部署 PyTorch 模型。
- 在 Vertex AI Pipelines 上自動化調度管理 PyTorch 機器學習工作流程： 瞭解如何使用 Vertex AI Pipelines，在 Google Cloud Vertex AI 上建構及自動化調度管理機器學習管道，以訓練及部署 PyTorch 模型。
- 使用 Kubeflow Pipelines 和 Vertex Pipelines，以 PyTorch 執行可擴充的機器學習工作流程： 查看 OSS Kubeflow Pipelines (Kubeflow 專案的一部分) 和 Vertex AI Pipelines 上以 PyTorch 為基礎的機器學習工作流程範例。我們分享了新增至 Kubeflow Pipelines 的全新 PyTorch 內建元件。
- 在 Vertex AI 上使用預建容器提供 PyTorch 圖片模型： 這個筆記本會使用預建的 PyTorch 服務映像檔，在 Vertex AI 上部署 PyTorch 圖片分類模型。
後續步驟
- 教學課程：使用 Vertex AI，在 Vertex AI 的其中一個預建容器環境中，透過 Google Cloud 控制台訓練 PyTorch 圖片分類模型。
如要直接在 Google Cloud 控制台按照逐步指南操作，請按一下「Guide me」(逐步引導)：