Questa pagina spiega l'integrazione PyTorch di Vertex AI e fornisce risorse che mostrano come utilizzare PyTorch su Vertex AI. L'integrazione di PyTorch di Vertex AI semplifica l'addestramento, il deployment e l'orchestrazione dei modelli PyTorch in produzione.
Esegui il codice nei blocchi note
Vertex AI offre due opzioni per eseguire il codice in blocchi note, Colab Enterprise e Vertex AI Workbench. Per scoprire di più su queste opzioni, consulta scegliere una soluzione per i notebook.
Container predefiniti per l'addestramento
Vertex AI fornisce immagini di container Docker predefiniti per l'addestramento dei modelli. Questi container sono organizzati per framework e framework di machine learning e includono le dipendenze comuni che potresti utilizzare di addestramento personalizzato. 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 pubblicazione delle 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 e framework di machine learning e includono le dipendenze comuni che potresti utilizzare il 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 la formazione con più lavoratori, puoi utilizzare Reduction Server per ottimizzare ulteriormente le prestazioni per le operazioni collettive all-reduce. 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 quanto segue di 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: Scopri come eseguire il deployment di un modello Pytorch utilizzando TorchServe come container personalizzato, eseguendo il deployment gli artefatti del modello 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,
- Flussi di lavoro ML scalabili utilizzando PyTorch su Kubeflow Pipelines e Vertex Pipelines: Dai un'occhiata ad alcuni esempi di ML basato su PyTorch flussi di lavoro su OSS Pipeline di Kubeflow, (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: utilizzare Vertex AI per addestrare un'immagine PyTorch
di classificazione 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: