Questa pagina spiega l'integrazione di PyTorch di Gemini Enterprise Agent Platform e fornisce risorse che mostrano come utilizzare PyTorch su Gemini Enterprise Agent Platform. L'integrazione di PyTorch di Gemini Enterprise Agent Platform semplifica l'addestramento, il deployment e l'orchestrazione dei modelli PyTorch in produzione.
Eseguire il codice nei notebook
Agent Platform offre due opzioni per l'esecuzione del codice nei notebook: Colab Enterprise e Vertex AI Workbench. Per saperne di più su queste opzioni, consulta Scegliere una soluzione di notebook.
Container predefiniti per l'addestramento
Gemini Enterprise Agent Platform fornisce immagini container Docker predefinite per l'addestramento dei modelli. Questi container sono organizzati per framework di machine learning e versioni del framework e includono dipendenze comuni che potresti voler utilizzare nel codice di addestramento. Per scoprire quali versioni di PyTorch hanno container di addestramento predefiniti e come addestrare i modelli con un container di addestramento predefinito, consulta Container predefiniti per l'addestramento personalizzato.
Container predefiniti per la pubblicazione di inferenze
Gemini Enterprise Agent Platform fornisce immagini container Docker predefinite per la pubblicazione di inferenze batch e online. Questi container sono organizzati per framework di machine learning e versioni del framework e includono dipendenze comuni che potresti voler utilizzare nel codice di inferenza. Per scoprire quali versioni di PyTorch hanno container di inferenza predefiniti e come erogare i modelli con un container di inferenza predefinito, consulta Container predefiniti per l'addestramento personalizzato.
Addestramento distribuito
Puoi eseguire l'addestramento distribuito dei modelli PyTorch su Gemini Enterprise Agent Platform. Per l'addestramento multi-worker, puoi utilizzare il server di riduzione per ottimizzare ulteriormente il rendimento per le operazioni collettive all-reduce. Per saperne di più sull' addestramento distribuito su Gemini Enterprise Agent Platform, consulta Addestramento distribuito.
Risorse per l'utilizzo di PyTorch su Gemini Enterprise Agent Platform
Per saperne di più e iniziare a utilizzare PyTorch in Gemini Enterprise Agent Platform, consulta le seguenti risorse:
- Come addestrare e ottimizzare i modelli PyTorch su Gemini Enterprise Agent Platform: scopri come utilizzare l'addestramento di Gemini Enterprise Agent Platform per creare e addestrare un modello di classificazione del testo di sentiment utilizzando PyTorch e l'ottimizzazione degli iperparametri di Gemini Enterprise Agent Platform per ottimizzare gli iperparametri dei modelli PyTorch.
- Come eseguire il deployment dei modelli PyTorch su Gemini Enterprise Agent Platform: segui la procedura di deployment di un modello PyTorch utilizzando TorchServe come container personalizzato, eseguendo il deployment degli artefatti del modello in un servizio di inferenza di Vertex AI Inference.
- Orchestrazione dei flussi di lavoro di ML PyTorch su Gemini Enterprise Agent Platform Pipelines: scopri come creare e orchestrare le pipeline di ML per l'addestramento e il deployment dei modelli PyTorch su Google Cloud Gemini Enterprise Agent Platform utilizzando Gemini Enterprise Agent Platform Pipelines.
- Flussi di lavoro di ML scalabili utilizzando PyTorch su Kubeflow Pipelines e Vertex Pipelines: dai un'occhiata agli esempi di PyTorch flussi di lavoro su OSS Kubeflow Pipelines, (parte del progetto Kubeflow) e Gemini Enterprise Agent Platform Pipelines. Condividiamo i nuovi componenti integrati di PyTorch aggiunti a Kubeflow Pipelines.
- Pubblicazione di modelli di immagini PyTorch con container predefiniti su Agent Platform: questo notebook esegue il deployment di un modello di classificazione delle immagini PyTorch su Agent Platform utilizzando immagini di pubblicazione PyTorch predefinite.
Passaggi successivi
- Tutorial: utilizza Gemini Enterprise Agent Platform per addestrare un modello di classificazione delle immagini PyTorch in uno degli ambienti container predefiniti di Gemini Enterprise Agent Platform utilizzando la console. Google Cloud
Per seguire le indicazioni dettagliate per questa attività direttamente nella Google Cloud console, fai clic su Procedura guidata: