Введение в платформу ИИ
Vertex AI — это платформа ИИ нового поколения со многими новыми функциями, недоступными в платформе ИИ. Перенесите свои ресурсы в Vertex AI, чтобы получить новейшие функции машинного обучения, упростить сквозные переходы и создавать модели с помощью MLOps.
Используйте AI Platform для масштабного обучения моделей машинного обучения, размещения обученной модели в облаке и использования модели для прогнозирования новых данных.
Где платформа AI вписывается в рабочий процесс машинного обучения
На приведенной ниже диаграмме представлен общий обзор этапов рабочего процесса машинного обучения. Закрашенные синим прямоугольники указывают, где AI Platform предоставляет управляемые сервисы и API:
Как показано на диаграмме, вы можете использовать AI Platform для управления следующими этапами рабочего процесса машинного обучения:
- Обучите модель ML на ваших данных:
- Модель поезда
- Оцените точность модели
- Настройка гиперпараметров
- Онлайн прогноз
- Пакетный прогноз (только для TensorFlow)
Компоненты платформы ИИ
В этом разделе описываются части, из которых состоит платформа ИИ, и основное назначение каждой части.
Услуги по обучению
Сервис обучения AI Platform позволяет обучать модели, используя широкий спектр различных параметров настройки.
Вы можете выбрать множество различных типов машин для выполнения заданий по обучению, включить распределенное обучение, использовать настройку гиперпараметров и ускорить работу с помощью графических процессоров и TPU.
Вы также можете выбрать различные способы настройки приложения для обучения. Вы можете отправить свои входные данные для AI Platform для обучения с использованием встроенного алгоритма (бета). Если встроенные алгоритмы не подходят для вашего варианта использования, вы можете отправить свое собственное обучающее приложение для запуска на платформе AI или создать собственный контейнер с вашим обучающим приложением и его зависимостями для запуска на платформе AI.
Служба прогнозов
Служба прогнозирования платформы ИИ позволяет предоставлять прогнозы на основе обученной модели независимо от того, была ли модель обучена на платформе ИИ.
Служба маркировки данных
Служба маркировки данных платформы AI (бета-версия) позволяет запрашивать ручную маркировку набора данных, который вы планируете использовать для обучения пользовательской модели машинного обучения. Вы можете отправить запрос на маркировку вашего видео, изображения или текстовых данных.
Чтобы отправить запрос на маркировку, вы предоставляете репрезентативную выборку маркированных данных, указываете все возможные метки для вашего набора данных и предоставляете некоторые инструкции по применению этих меток. Люди, выполняющие маркировку, следуют вашим инструкциям, и когда запрос на маркировку выполнен, вы получаете аннотированный набор данных, который можно использовать для обучения модели машинного обучения.
Инструменты для взаимодействия с AI Platform
В этом разделе описываются инструменты, которые вы используете для взаимодействия с AI Platform.
Облачная консоль Google
Вы можете развернуть модели в облаке и управлять своими моделями, версиями и заданиями в консоли Google Cloud. Этот вариант предоставляет вам пользовательский интерфейс для работы с вашими ресурсами машинного обучения.В рамках Google Cloud ресурсы вашей платформы ИИ подключены к таким полезным инструментам, как ведение журнала в облаке и мониторинг облака.
Облачный интерфейс командной строки Google
Вы можете управлять своими моделями и версиями, отправлять задания и выполнять другие задачи платформы AI в командной строке с помощью инструмента командной строки gcloud ai-platform.
Мы рекомендуем команды gcloud для большинства задач AI Platform и REST API (см. ниже) для онлайн-прогнозов.
ОТДЫХА API
REST API платформы ИИ предоставляет службы RESTful для управления заданиями, моделями и версиями, а также для прогнозирования с помощью моделей, размещенных в Google Cloud.
Вы можете использовать клиентскую библиотеку API Google для Python для доступа к API. При использовании клиентской библиотеки вы используете Python-представления ресурсов и объектов, используемых API. Это проще и требует меньше кода, чем работа напрямую с HTTP-запросами.
Мы рекомендуем REST API, в частности, для обслуживания онлайн-прогнозов.
Блокноты Vertex AI Workbench, управляемые пользователем
Управляемые пользователем экземпляры ноутбуков Vertex AI Workbench позволяют создавать и управлять экземплярами виртуальных машин (ВМ), предварительно упакованными с помощью JupyterLab.
В экземплярах блокнотов, управляемых пользователями, предустановлен набор пакетов глубокого обучения, включая поддержку платформ TensorFlow и PyTorch. Вы можете настроить экземпляры только с процессором или с поддержкой графического процессора.
Ваши экземпляры записных книжек, управляемых пользователем, защищены аутентификацией и авторизацией Google Cloud и доступны по URL-адресу экземпляра записной книжки, управляемой пользователем. Экземпляры блокнотов, управляемых пользователями, также интегрируются с GitHub и могут синхронизироваться с репозиторием GitHub.
Виртуальная машина для глубокого обучения
Deep Learning VM Images — это набор образов виртуальных машин, оптимизированных для задач обработки данных и машинного обучения. Все образы поставляются с предустановленными ключевыми платформами и инструментами машинного обучения. Вы можете использовать их по умолчанию на инстансах с графическими процессорами для ускорения задач обработки данных.
Доступны образы виртуальных машин для глубокого обучения, которые поддерживают множество комбинаций платформы и процессора.В настоящее время существуют образы, поддерживающие TensorFlow Enterprise, TensorFlow, PyTorch и универсальные высокопроизводительные вычисления, с версиями как для рабочих процессов, использующих только ЦП, так и для рабочих процессов с поддержкой графического процессора.
Список доступных фреймворков см. в разделе Выбор образа.
Что дальше
- Начните с обучения платформе ИИ и прогнозирования платформы ИИ с помощью Keras.
- Узнайте, как тренироваться с пользовательскими контейнерами.
- Узнайте, как обучать модели TensorFlow и XGBoost без написания кода с помощью встроенных алгоритмов AI Platform.
- Узнайте, как использовать пользовательские процедуры прогнозирования, чтобы добавить предварительную и постобработку для ваших онлайн-запросов на прогнозирование.
- Добавьте пользовательский код и пользовательские преобразования scikit-learn в конвейер онлайн-прогнозирования.
- Узнайте больше об обучении платформе ИИ и прогнозировании платформы ИИ.
Если не указано иное, содержимое этой страницы находится под лицензией Creative Commons Attribution 4.0, а образцы кода — под лицензией Apache 2.0. Подробнее см. в Правилах сайта Google Developers. Java является зарегистрированным товарным знаком Oracle и/или ее дочерних компаний.
Последнее обновление 2022-11-15 UTC.
