Nesta página, explicamos a integração do TensorFlow da Gemini Enterprise Agent Platform e oferecemos recursos que mostram como usar o TensorFlow na Gemini Enterprise Agent Platform. A integração do TensorFlow da plataforma de agentes do Gemini Enterprise facilita o treinamento, a implantação e a orquestração de modelos do TensorFlow na produção.
Executar código em notebooks
A Agent Platform oferece duas opções para executar o código em notebooks: Colab Enterprise e Vertex AI Workbench. Para saber mais sobre essas opções, consulte Escolher uma solução de notebook.
Contêineres pré-criados para treinamento
A Gemini Enterprise Agent Platform oferece imagens de contêiner do Docker pré-criadas para treinamento de modelo. Esses contêineres são organizados por frameworks de aprendizado de máquina, versões de framework e incluem dependências comuns que podem ser usadas no código de treinamento.
Para saber quais versões do TensorFlow têm contêineres de treinamento pré-criados e como treinar modelos com um contêiner de treinamento pré-criado, consulte Contêineres pré-criados para treinamento personalizado.
Treinamento distribuído
É possível executar o treinamento distribuído de modelos do TensorFlow na Gemini Enterprise Agent Platform. Para o treinamento de vários workers, é possível usar o Servidor de redução para otimizar ainda mais o desempenho para operações coletivas com redução de tudo. Para saber mais sobre o treinamento distribuído na Gemini Enterprise Agent Platform, consulte Treinamento distribuído.
Contêineres pré-criados para inferência
Semelhante aos contêineres pré-criados para treinamento, o Gemini Enterprise Agent Platform oferece imagens de contêiner pré-criadas para disponibilizar inferências e explicações de modelos do TensorFlow que você criou dentro ou fora do Gemini Enterprise Agent Platform. Essas imagens fornecem servidores de inferência HTTP que podem ser usados para disponibilizar inferências com o mínimo de configuração.
Para saber quais versões do TensorFlow têm contêineres de treinamento pré-criados e como treinar modelos com um contêiner de treinamento pré-criado, consulte Contêineres pré-criados para treinamento personalizado.
Ambiente de execução otimizado do TensorFlow
Integração do TensorFlow Cloud Profiler
Treine modelos mais baratos e mais rápidos monitorando e otimizando o desempenho do seu job de treinamento usando a integração do TensorFlow Cloud Profiler da plataforma de agentes do Gemini Enterprise. O TensorFlow Cloud Profiler ajuda a entender o consumo de recursos das operações de treinamento para que você possa identificar e eliminar gargalos de desempenho.
Para saber mais sobre o TensorFlow Cloud Profiler da Agent Platform, consulte Gerar perfil de desempenho do treinamento de modelo usando o Profiler.
Recursos para usar o TensorFlow na plataforma de agentes do Gemini Enterprise
Para saber mais e começar a usar o TensorFlow na Gemini Enterprise Agent Platform, consulte os recursos a seguir.
Protótipo para Production: uma série de vídeos que fornece um exemplo completo de desenvolvimento e implantação de um modelo personalizado do TensorFlow na Gemini Enterprise Agent Platform.
Otimize o desempenho do treinamento com o servidor de redução na Gemini Enterprise Agent Platform: uma postagem do blog sobre como otimizar o treinamento distribuído na Gemini Enterprise Agent Platform usando o servidor de redução.
Como otimizar o desempenho do treinamento com o TensorFlow Cloud Profiler na Gemini Enterprise Agent Platform: uma postagem de blog que mostra como identificar gargalos de desempenho no seu job de treinamento usando o TensorFlow Cloud Profiler da Gemini Enterprise Agent Platform.
Previsão em lote de modelo personalizado com filtragem de atributos: um tutorial do notebook que mostra como usar o SDK do Agent Platform para Python para treinar um modelo de classificação tabular personalizado e executar a inferência em lote com a filtragem de atributos.
Co-hospedar modelos do TensorFlow na mesma VM para previsões: um codelab que mostra como usar o atributo de modelo de co-hospedagem na plataforma de agentes do Gemini Enterprise para hospedar vários modelos na mesma VM para inferências on-line.