בדף הזה מוסבר על השילוב של PyTorch ב-Gemini Enterprise Agent Platform ומפורטים מקורות מידע שמסבירים איך להשתמש ב-PyTorch ב-Gemini Enterprise Agent Platform. השילוב של PyTorch ב-Gemini Enterprise Agent Platform מאפשר לכם לאמן, לפרוס ולתזמר מודלים של PyTorch בסביבת ייצור בקלות רבה יותר.
הרצת קוד ב-notebooks
פלטפורמת הסוכנים מספקת שתי אפשרויות להרצת הקוד ב-notebooks: Colab Enterprise ו-Gemini Enterprise Agent Platform Workbench. מידע נוסף על האפשרויות האלה זמין במאמר בחירת פתרון למחברת.
מאגרי תגים מוכנים מראש לאימון
Gemini Enterprise Agent Platform מספקת קובצי אימג' לקונטיינרים של Docker שנוצרו מראש לאימון מודלים. המאגדים האלה מאורגנים לפי מסגרות למידת מכונה וגרסאות של מסגרות, והם כוללים תלות נפוצות שאולי תרצו להשתמש בהן בקוד ההדרכה. מידע על גרסאות PyTorch שיש להן קונטיינרים מוכנים מראש לאימון, ועל אימון מודלים באמצעות קונטיינר מוכן מראש לאימון, זמין במאמר קונטיינרים מוכנים מראש לאימון מותאם אישית.
קונטיינרים מוכנים מראש להצגת מסקנות
Gemini Enterprise Agent Platform מספקת קובצי אימג' לקונטיינרים של Docker שנוצרו מראש, כדי להפעיל מסקנות גם באצווה וגם אונליין. הקונטיינרים האלה מאורגנים לפי מסגרות למידת מכונה וגרסאות של מסגרות, והם כוללים תלות נפוצה שאולי תרצו להשתמש בה בקוד ההסקה שלכם. במאמר מאגרי תגים מוכנים מראש לאימון בהתאמה אישית מוסבר אילו גרסאות של PyTorch כוללות מאגרי תגים מוכנים מראש להסקת מסקנות, ואיך להפעיל מודלים באמצעות מאגר תגים מוכן מראש להסקת מסקנות.
אימון מבוזר
אתם יכולים להריץ אימון מבוזר של מודלים של PyTorch ב-Gemini Enterprise Agent Platform. באימון עם כמה תהליכי worker, אפשר להשתמש בשרת לצמצום כדי לשפר עוד יותר את הביצועים של פעולות קולקטיביות מסוג all-reduce. מידע נוסף על אימון מבוזר ב-Gemini Enterprise Agent Platform זמין במאמר בנושא אימון מבוזר.
מקורות מידע לשימוש ב-PyTorch ב-Gemini Enterprise Agent Platform
כדי לקבל מידע נוסף ולהתחיל להשתמש ב-PyTorch ב-Gemini Enterprise Agent Platform, אפשר לעיין במקורות המידע הבאים:
- איך מאמנים ומכווננים מודלים של PyTorch ב-Gemini Enterprise Agent Platform: במאמר הזה מוסבר איך להשתמש ב-Gemini Enterprise Agent Platform Training כדי ליצור ולאמן מודל לסיווג טקסט לפי סנטימנט באמצעות PyTorch, ואיך להשתמש ב-Gemini Enterprise Agent Platform Hyperparameter Tuning כדי לכוונן היפר-פרמטרים של מודלים של PyTorch.
- איך פורסים מודלים של PyTorch בפלטפורמת הסוכנים של Gemini Enterprise: הסבר על פריסת מודל של Pytorch באמצעות TorchServe כקונטיינר בהתאמה אישית, על ידי פריסת ארטיפקטים של המודל לשירות Vertex AI Inference.
- תזמור של תהליכי עבודה של PyTorch ML בצינורות של Agent Platform: במאמר הזה מוסבר איך ליצור ולתזמר צינורות ML לאימון ולפריסה של מודלים של PyTorch ב- Google Cloud Gemini Enterprise Agent Platform באמצעות Agent Platform Pipelines.
- Scalable ML Workflows using PyTorch on Kubeflow Pipelines and Vertex Pipelines: כדאי לעיין בדוגמאות של תהליכי עבודה של למידת מכונה שמבוססים על PyTorch ב-OSS Kubeflow Pipelines (חלק מפרויקט Kubeflow) וב-Agent Platform Pipelines. אנחנו משתפים רכיבים חדשים מובנים של PyTorch שנוספו ל-Kubeflow Pipelines.
- הצגת מודלים של תמונות ב-PyTorch באמצעות קונטיינרים מוכנים מראש ב-Agent Platform: במחברת הזו מבוצעת פריסה של מודל לסיווג תמונות ב-PyTorch ב-Agent Platform באמצעות תמונות מוכנות מראש של PyTorch.
המאמרים הבאים
- הדרכה: שימוש ב-Gemini Enterprise Agent Platform כדי לאמן מודל לסיווג תמונות של PyTorch באחת מסביבות הקונטיינר המוכנות מראש של Gemini Enterprise Agent Platform באמצעות Google Cloud המסוף.
לחצו על תראו לי איך כדי לקרוא הסבר מפורט על המשימה ישירות במסוף Google Cloud :