이 페이지에서는 Vertex AI의 PyTorch 통합을 설명하고 Vertex AI에서 PyTorch를 사용하는 방법을 보여주는 리소스를 제공합니다. Vertex AI의 PyTorch 통합을 사용하면 프로덕션에서 PyTorch 모델을 더 쉽게 학습, 배포, 조정할 수 있습니다.
노트북에서 코드 실행
Vertex AI는 노트북에서 코드를 실행할 수 있는 두 가지 옵션인 Colab Enterprise 및 Vertex AI Workbench를 제공합니다. 이러한 옵션에 대한 자세한 내용은 노트북 솔루션 선택을 참조하세요.
학습용으로 사전 빌드된 컨테이너
Vertex AI는 모델 학습용으로 사전 빌드된 Docker 컨테이너 이미지를 제공합니다. 이러한 컨테이너는 머신러닝 프레임워크 및 프레임워크 버전으로 구성되며 학습 코드에 사용하려는 공통 종속 항목을 포함합니다. 사전 빌드된 학습 컨테이너가 있는 PyTorch 버전 및 사전 빌드된 학습 컨테이너로 모델을 학습시키는 방법을 알아보려면 커스텀 학습용으로 사전 빌드된 컨테이너를 참조하세요.
예측 제공용으로 사전 빌드된 컨테이너
Vertex AI는 일괄 예측 및 온라인 예측을 제공하기 위해 사전 빌드된 Docker 컨테이너 이미지를 제공합니다. 이러한 컨테이너는 머신러닝 프레임워크 및 프레임워크 버전으로 구성되며 예측 코드에 사용하려는 공통 종속 항목을 포함합니다. 사전 빌드된 예측 컨테이너가 있는 PyTorch 버전과 사전 빌드된 예측 컨테이너로 모델을 제공하는 방법을 알아보려면 커스텀 학습용으로 사전 빌드된 컨테이너를 참조하세요.
분산형 학습
Vertex AI에서 PyTorch 모델의 분산형 학습을 실행할 수 있습니다. 다중 작업자 학습의 경우 Reduction Server를 사용하여 올리듀스 집합 작업의 성능을 더욱 최적화할 수 있습니다. Vertex AI의 분산형 학습에 대한 자세한 내용은 분산형 학습을 참조하세요.
Vertex AI에서 PyTorch를 사용하기 위한 리소스
자세한 내용과 함께 Vertex AI에서 PyTorch를 사용하는 방법을 알아보려면 다음 리소스를 참조하세요.
- Vertex AI에서 PyTorch 모델을 학습시키고 미세 조정하는 방법: PyTorch를 사용하여 감정 텍스트 분류 모델을 빌드하고 학습시키는 방법은 Vertex AI 학습을, PyTorch 모델의 초매개변수를 미세 조정하는 방법은 Vertex AI 초매개변수 미세 조정을 참조하세요.
- Vertex AI에서 PyTorch 모델을 배포하는 방법: 모델 아티팩트를 Vertex Prediction 서비스에 배포함으로써 TorchServe를 커스텀 컨테이너로 사용하여 Pytorch 모델을 배포하는 방법을 알아봅니다.
- Vertex AI 파이프라인에서 PyTorch ML 워크플로 조정: Google Cloud Vertex AI에서 Vertex AI Pipelines를 사용하여 PyTorch 모델을 학습하고 배포하기 위한 ML 파이프라인을 빌드하고 조정하는 방법을 알아봅니다.
- Kubeflow Pipelines 및 Vertex Pipelines에서 PyTorch를 사용하는 확장 가능한 ML 워크플로: OSS Kubeflow Pipelines(Kubeflow 프로젝트의 일부) 및 Vertex AI Pipelines에서 PyTorch 기반 ML 워크플로의 예시를 살펴봅니다. Google은 Kubeflow Pipelines에 추가된 새로운 PyTorch 기본 구성요소를 공유합니다.
- Vertex AI에서 사전 빌드된 컨테이너로 PyTorch 이미지 모델 제공: 이 노트북은 사전 빌드된 PyTorch 제공 이미지를 사용하여 Vertex AI에 PyTorch 이미지 분류 모델을 배포합니다.
다음 단계
- 튜토리얼: Vertex AI를 사용하여 Google Cloud 콘솔을 통해 Vertex AI의 사전 빌드된 컨테이너 환경 중 하나에서 PyTorch 이미지 분류 모델을 학습시킵니다.
Google Cloud 콘솔에서 이 태스크에 대한 단계별 안내를 직접 수행하려면 둘러보기를 클릭합니다.