En esta página, se explica la integración de PyTorch de Vertex AI y se proporcionan recursos que te muestran cómo usar PyTorch en Vertex AI. La integración de PyTorch de Vertex AI facilita el entrenamiento, la implementación y la organización de modelos de PyTorch en la producción.
Ejecuta código en notebooks
Vertex AI proporciona dos opciones para ejecutar tu código en notebooks, Colab Enterprise y Vertex AI Workbench. Para obtener más información sobre estas opciones, consulta Elige una solución de notebook.
Contenedores previamente compilados para el entrenamiento
Vertex AI proporciona imágenes de contenedor de Docker compiladas con anterioridad para el entrenamiento de modelos. Estos contenedores están organizados por frameworks de aprendizaje automático y versiones de framework. Además, incluyen dependencias comunes que tal vez quieras usar en tu código de entrenamiento. Para obtener información sobre qué versiones de PyTorch tienen contenedores de entrenamiento compilados previamente y cómo entrenar modelos con un contenedor de entrenamiento compilado previamente, consulta Contenedores compilados previamente para el entrenamiento personalizado.
Contenedores precompilados para publicar predicciones
Vertex AI proporciona imágenes de contenedor de Docker precompiladas para entregar predicciones en línea y por lotes. Estos contenedores están organizados por frameworks de aprendizaje automático y versiones de framework. Además, incluyen dependencias comunes que tal vez quieras usar en tu código de predicción. Para obtener información sobre qué versiones de PyTorch tienen contenedores de predicción compilados previamente y cómo entregar modelos con un contenedor de predicción compilado previamente, consulta Contenedores compilados previamente para el entrenamiento personalizado.
Entrenamiento distribuido
Puedes ejecutar el entrenamiento distribuido de modelos de PyTorch en Vertex AI. En el entrenamiento de varios trabajadores, puedes usar Reduction Server a fin de optimizar aún más el rendimiento para 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 comenzar a usar TensorFlow en Vertex AI, consulta los siguientes recursos.
- Cómo entrenar y ajustar modelos de PyTorch en Vertex AI: Obtén información sobre cómo usar Vertex AI Training para compilar y entrenar un modelo de clasificación de textos de opiniones mediante PyTorch y Ajuste de hiperparámetros de Vertex AI para ajustar los hiperparámetros de los modelos de PyTorch.
- Cómo implementar modelos de PyTorch en Vertex AI: Explora la implementación de un modelo de Pytorch mediante TorchServe como un contenedor personalizado. Para ello, implementa los artefactos de modelo en un servicio de Vertex AI Prediction.
- Organiza los flujos de trabajo de PyTorch ML en canalizaciones de Vertex AI: consulta cómo compilar y organizar canalizaciones de AA para entrenar e implementar modelos de PyTorch en la IA de Google Cloud Vertex mediante Vertex AI Pipelines.
- Flujos de trabajo de AA escalables con PyTorch en Kubeflow Pipelines y Vertex Pipelines: Consulta ejemplos de flujos de trabajo de AA basados en PyTorch en OSS Kubeflow Pipelines (parte del proyecto de Kubeflow) y Vertex AI Pipelines Compartimos nuevos componentes integrados de PyTorch agregados a Kubeflow Pipelines.
- Entrega modelos de imágenes de PyTorch con contenedores precompilados en Vertex AI: este notebook implementa un modelo de clasificación de imágenes de PyTorch en Vertex AI con imágenes de entrega de PyTorch compiladas con anterioridad.
¿Qué sigue?
- Instructivo: 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 consola de Google Cloud.
Para seguir la guía paso a paso en esta tarea directamente en la consola de Google Cloud, haz clic en Guiarme: