En esta página se explica la integración de PyTorch en Vertex AI y se proporcionan recursos que muestran cómo usar PyTorch en Vertex AI. La integración de PyTorch en Vertex AI te permite entrenar, desplegar y orquestar modelos de PyTorch en producción más fácilmente.
Ejecutar código en cuadernos
Vertex AI ofrece dos opciones para ejecutar tu código en cuadernos: Colab Enterprise y Vertex AI Workbench. Para obtener más información sobre estas opciones, consulta el artículo sobre cómo elegir una solución de cuaderno.
Contenedores prediseñados para el entrenamiento
Vertex AI proporciona imágenes de contenedor Docker prediseñadas para el entrenamiento de modelos. Estos contenedores se organizan por frameworks de aprendizaje automático y versiones de frameworks, e incluyen dependencias comunes que puedes usar en tu código de entrenamiento. Para saber qué versiones de PyTorch tienen contenedores de entrenamiento prediseñados y cómo entrenar modelos con un contenedor de entrenamiento prediseñado, consulta Contenedores prediseñados para el entrenamiento personalizado.
Contenedores prediseñados para publicar inferencias
Vertex AI proporciona imágenes de contenedor Docker prediseñadas para ofrecer inferencias tanto por lotes como online. Estos contenedores se organizan por frameworks de aprendizaje automático y versiones de frameworks, e incluyen dependencias comunes que puedes usar en tu código de inferencia. Para saber qué versiones de PyTorch tienen contenedores de inferencia prediseñados y cómo servir modelos con un contenedor de inferencia prediseñado, consulta Contenedores prediseñados para el entrenamiento personalizado.
Preparación distribuida
Puedes ejecutar el entrenamiento distribuido de modelos de PyTorch en Vertex AI. Para el entrenamiento con varios trabajadores, puedes usar Reduction Server para optimizar aún más el rendimiento de las operaciones colectivas de reducción total. Para obtener más información sobre el entrenamiento distribuido en Vertex AI, consulta Entrenamiento distribuido.
Recursos para usar PyTorch en Vertex AI
Para obtener más información y empezar a usar PyTorch en Vertex AI, consulta los siguientes recursos:
- Cómo entrenar y ajustar modelos de PyTorch en Vertex AI: descubre cómo usar Vertex AI Training para crear y entrenar un modelo de clasificación de texto de sentimiento con PyTorch y Vertex AI Hyperparameter Tuning para ajustar los hiperparámetros de los modelos de PyTorch.
- Cómo desplegar modelos de PyTorch en Vertex AI: descubre cómo desplegar un modelo de PyTorch con TorchServe como contenedor personalizado. Para ello, despliega los artefactos del modelo en un servicio Vertex AI Inference.
- Orquestar flujos de trabajo de aprendizaje automático de PyTorch en Vertex AI Pipelines: consulta cómo crear y orquestar flujos de procesamiento de aprendizaje automático para entrenar e implementar modelos de PyTorch en Google Cloud Vertex AI con Vertex AI Pipelines.
- Flujos de trabajo de aprendizaje automático escalables con PyTorch en Kubeflow Pipelines y Vertex Pipelines: consulta ejemplos de flujos de trabajo de aprendizaje automático basados en PyTorch en Kubeflow Pipelines de software libre (parte del proyecto Kubeflow) y Vertex AI Pipelines. Compartimos los nuevos componentes integrados de PyTorch que se han añadido a Kubeflow Pipelines.
- Servicio de modelos de imágenes de PyTorch con contenedores precompilados en Vertex AI: en este cuaderno se despliega un modelo de clasificación de imágenes de PyTorch en Vertex AI mediante imágenes de servicio de PyTorch precompiladas.
Siguientes pasos
- Tutorial: Usa Vertex AI para entrenar un modelo de clasificación de imágenes de PyTorch en uno de los entornos de contenedores precompilados de Vertex AI mediante la Google Cloud consola.
Para seguir las instrucciones paso a paso de esta tarea directamente en la Google Cloud consola, haga clic en Ayúdame: