Nesta página, explicamos a integração do PyTorch da Vertex AI e ofereceremos recursos que mostram como usar o PyTorch na Vertex AI. A integração do PyTorch da Vertex AI facilita o treinamento, a implantação e a orquestração de modelos do PyTorch na produção.
Executar código em notebooks
A Vertex AI oferece duas opções para executar o código em notebooks: Colab Enterprise e Vertex AI Workbench. Para saber mais sobre essas opções, consulte Escolher uma solução de notebook.
Contêineres pré-criados para treinamento
A Vertex AI oferece imagens de contêiner do Docker pré-criadas para treinamento de modelo. Esses contêineres são organizados por frameworks de aprendizado de máquina, versões de framework e incluem dependências comuns que podem ser usadas no código de treinamento. Para saber quais versões do PyTorch têm contêineres de treinamento pré-criados e como treinar modelos com um contêiner de treinamento pré-criado, consulte Contêineres pré-criados para treinamento personalizado.
Contêineres pré-criados para exibir previsões
A Vertex AI fornece imagens de contêiner do Docker pré-criadas para exibir previsões em lote e on-line. Esses contêineres são organizados por frameworks de aprendizado de máquina, versões de framework e incluem dependências comuns que podem ser usadas no código de previsão. Para saber quais versões do PyTorch têm contêineres de previsão pré-criados e como exibir modelos com um contêiner de previsão pré-criado, consulte Contêineres pré-criados para treinamento personalizado.
Treinamento distribuído
É possível executar o treinamento distribuído de modelos PyTorch na Vertex AI. Para o treinamento de vários workers, é possível usar o Servidor de redução para otimizar ainda mais o desempenho para operações coletivas com redução de tudo. Para saber mais sobre o treinamento distribuído na Vertex AI, consulte Treinamento distribuído.
Recursos para usar o PyTorch na Vertex AI
Para saber mais e começar a usar o PyTorch na Vertex AI, consulte os recursos a seguir:
- Como treinar e ajustar modelos do PyTorch na Vertex AI: como usar o Treinamento da Vertex AI para criar e treinar um modelo de classificação de texto de sentimento usando o PyTorch e Ajustar os hiperparâmetros da Vertex AI para ajustar os hiperparâmetros de modelos do PyTorch.
- Como implantar modelos do PyTorch na Vertex AI: percorra a implantação de um modelo do Pytorch usando o TorchServe como um contêiner personalizado, implantando os artefatos de modelo para um serviço da Vertex AI Prediction.
- Orquestração dos fluxos de trabalho de ML do PyTorch nos pipelines da Vertex AI: como criar e orquestrar pipelines de ML para treinamento e implantação de modelos do PyTorch na Vertex AI do Google Cloud usando os Pipelines da Vertex AI
- Fluxos de trabalho de ML escalonáveis usando o PyTorch nos pipelines do Kubeflow e do Vertex : Veja alguns exemplos de fluxos de trabalho de ML baseados em PyTorch nos Pipelines do Kubeflow do OSS, (parte do projeto Kubeflow) e Pipelines da Vertex AI (em inglês). Compartilhamos os novos componentes integrados do PyTorch adicionados aos Pipelines do Kubeflow.
- Como disponibilizar modelos de imagem do PyTorch com contêineres predefinidos na Vertex AI: este notebook implanta um modelo de classificação de imagens do PyTorch na Vertex AI usando imagens predefinidas do PyTorch.
A seguir
- Tutorial: use a Vertex AI para treinar um modelo de classificação
de imagens PyTorch em um dos ambientes de contêiner pré-criados da Vertex
AI usando o console do Google Cloud.
Para seguir as instruções passo a passo desta tarefa diretamente no console do Google Cloud, clique em Orientação: