訓練及使用專屬模型

本頁面概略說明在 Vertex AI 上訓練及使用您自己的機器學習 (ML) 模型的工作流程。Vertex AI 提供下列模型訓練方法：

• AutoML：只需極少的技術專業知識，就能輕鬆建立及訓練模型。如要進一步瞭解 AutoML，請參閱 AutoML 新手指南。
• Vertex AI 自訂訓練：使用任何機器學習架構，大規模建立及訓練模型。如要進一步瞭解 Vertex AI 中的自訂訓練，請參閱「自訂訓練總覽」。
• Ray on Vertex AI：使用開放原始碼 Ray 程式碼，在 Vertex AI 上編寫程式並開發應用程式，且只需進行少量變更。

如需相關說明，瞭解如何決定要使用哪一種方法，請參閱「選擇訓練方法」。

AutoML

Vertex AI 的 AutoML 可讓您根據提供的訓練資料，建構無程式碼的機器學習模型。AutoML 可自動執行資料準備、模型選取、超參數調整和部署等任務，適用於各種資料類型和預測工作，讓更多使用者都能輕鬆使用機器學習。

您可以使用 AutoML 建立的模型類型

您可以建立的模型類型會因您擁有的資料類型而異。Vertex AI 提供 AutoML 解決方案，適用於下列資料類型和模型目標：

資料類型	支援的目標
圖片資料	分類、物件偵測。
影片資料	動作辨識、分類、物件追蹤。
表格資料	分類/迴歸、預測。

如要進一步瞭解 AutoML，請參閱「AutoML 訓練總覽」。

Vertex AI 自訂訓練

如果沒有任何 AutoML 解決方案能滿足您的需求，您也可以自行建立訓練應用程式，並使用該應用程式在 Vertex AI 上訓練自訂模型。您可以使用任何所需的機器學習架構，並設定用於訓練的運算資源，包括：

• VM 類型和數量。
• 圖形處理器 (GPU)。
• Tensor Processing Unit (TPU)。
• 開機磁碟的類型和大小。

如要進一步瞭解 Vertex AI 中的自訂訓練，請參閱「自訂訓練總覽」。

Ray on Vertex AI

Ray on Vertex AI 是一項服務，可讓您使用開放原始碼 Ray 架構，直接在 Vertex AI 平台中擴充 AI 和 Python 應用程式。Ray 的設計目的是為 ML 工作流程提供分散式運算和平行處理的基礎架構。

Ray on Vertex AI 提供代管環境，可使用 Ray 架構執行分散式應用程式，提供可擴充性和與 Google Cloud 服務整合的功能。

如要進一步瞭解 Ray on Vertex AI，請參閱「Ray on Vertex AI 總覽」。