- AutoML：只需极少的技术知识和工作量即可创建和训练模型。如需详细了解 AutoML，请参阅 AutoML 新手指南。
- Vertex AI 自定义训练：使用任何机器学习框架大规模创建和训练模型。如需详细了解 Vertex AI 上的自定义训练，请参阅自定义训练概览。
- Ray on Vertex AI：使用开源 Ray 代码在 Vertex AI 上编写程序和开发应用，并且只需极少的更改。
如需有关如何决定使用上述哪个方法的帮助，请参阅选择训练方法。
AutoML
借助 Vertex AI 上的 AutoML，您可以根据您提供的训练数据构建无代码机器学习模型。AutoML 可以自动执行数据准备、模型选择、超参数调优和部署等任务，适用于各种数据类型和预测任务，从而让更多用户能够使用机器学习。
您可以使用 AutoML 构建的模型类型
您可以构建的模型类型取决于您拥有的数据类型。Vertex AI 会为以下数据类型和模型目标提供 AutoML 解决方案：
| 数据类型 | 支持的目标 |
|---|---|
| 图片数据 | 分类、对象检测 |
| 视频数据 | 操作识别、分类、对象跟踪 |
| 表格数据 | 分类/回归、预测。 |
如需详细了解 AutoML，请参阅 AutoML 训练概览。
Vertex AI 自定义训练
如果所有 AutoML 解决方案都不能满足您的需求，您还可以创建自己的训练应用，并使用它在 Vertex AI 上训练自定义模型。您可以使用所需的任何机器学习框架，并配置要用于训练的计算资源，包括：
- 虚拟机的类型和数量。
- 图形处理器 (GPU)。
- 张量处理单元 (TPU)。
- 启动磁盘的类型和大小。
如需详细了解 Vertex AI 上的自定义训练，请参阅自定义训练概览。
Ray on Vertex AI
Ray on Vertex AI 是一项服务，可让您直接在 Vertex AI 平台中使用开源 Ray 框架来扩缩 AI 和 Python 应用。Ray 旨在为机器学习工作流提供分布式计算和并行处理的基础设施。
Ray on Vertex AI 提供了一个托管式环境，用于使用 Ray 框架运行分布式应用，并提供可伸缩性以及与 Google Cloud 服务的集成。
如需详细了解 Ray on Vertex AI，请参阅 Ray on Vertex AI 概览。