בדף הזה מוסבר על תהליך העבודה לאימון מודלים משלכם של למידת מכונה (ML) בפלטפורמת הסוכנים, ועל השימוש בהם. Agent Platform מציעה מגוון שיטות אימון שנועדו לתת מענה לצרכים שלכם, החל משיטות אוטומטיות לחלוטין ועד לשיטות מותאמות אישית לחלוטין.
- AutoML: יצירת מודלים באיכות גבוהה עם מאמץ טכני מינימלי באמצעות היכולות האוטומטיות של Google בתחום למידת המכונה.
- אשכולות אימון של Agent Platform: אתם יכולים להריץ את קוד האימון המותאם אישית שלכם בסביבה מנוהלת לפי דרישה, בלי לדאוג לתשתית.
- אשכולות לאימון ב-Agent Platform: הרצת משימות אימון רחבות היקף ובעלות ביצועים גבוהים באשכול ייעודי של מאיצים ששמור לשימוש בלעדי שלכם.
- Ray on Agent Platform: הרחבת אפליקציות Python ועומסי עבודה של למידת מכונה באמצעות מסגרת Ray בקוד פתוח בשירות מנוהל.
כדי לקבל עזרה בבחירת השיטה המתאימה, אפשר לעיין במאמר בנושא בחירת שיטת אימון.
AutoML
AutoML ב-Gemini Enterprise Agent Platform מאפשר לכם ליצור מודל ML ללא קוד על סמך נתוני האימון שאתם מספקים. AutoML יכול לבצע אוטומציה של משימות כמו הכנת נתונים, בחירת מודל, כוונון היפר-פרמטרים ופריסה עבור סוגים שונים של נתונים ומשימות חיזוי, מה שיכול להפוך את ה-ML לנגיש יותר למגוון רחב של משתמשים.
סוגי המודלים שאפשר לבנות באמצעות AutoML
סוגי המודלים שאפשר ליצור תלויים בסוג הנתונים שיש לכם. Gemini Enterprise Agent Platform מציעה פתרונות AutoML לסוגי הנתונים ולמטרות המודלים הבאים:
| סוג נתונים | יעדים נתמכים |
|---|---|
| נתוני תמונות | סיווג, זיהוי אובייקטים. |
| נתונים בטבלה | סיווג/רגרסיה, חיזוי. |
מידע נוסף על AutoML זמין במאמר סקירה כללית על אימון AutoML.
הרצת קוד אימון בהתאמה אישית ב-Agent Platform
אם AutoML לא עונה על הצרכים שלכם, אתם יכולים לספק קוד הדרכה משלכם ולהפעיל אותו בתשתית המנוהלת של Agent Platform. כך יש לכם גמישות ושליטה מלאה על הארכיטקטורה של המודל ועל לוגיקת האימון שלו, ואתם יכולים להשתמש בכל מסגרת למידת מכונה שתבחרו.
Agent Platform מספקת שני מצבים עיקריים להרצת קוד האימון המותאם אישית: סביבה בלי שרת (serverless) על פי דרישה, או אשכול ייעודי ומוזמן.
אשכולות אימון ב-Agent Platform
אימון בלי שרת (serverless) הוא שירות שמנוהל במלואו שמאפשר להריץ אפליקציית אימון בהתאמה אישית בלי לספק או לנהל תשתית כלשהי.
אתם אורזים את הקוד במאגר, מגדירים את מפרטי המכונה (כולל מעבדי CPU ו-GPU) ושולחים אותו כקובץ CustomJob.
Agent Platform מטפל בכל השאר:
- הקצאת משאבי המחשוב למשך העבודה.
- הרצת קוד האימון.
- מחיקת המשאבים אחרי שהעבודה מסתיימת.
המודל הזה של תשלום לפי שימוש על פי דרישה הוא אידיאלי לניסויים, ליצירת אב טיפוס מהיר ולמשימות ייצור שלא דורשות קיבולת מובטחת ומיידית.
מידע נוסף זמין במאמר יצירת משימה בהתאמה אישית לאימון ללא שרת
אשכולות אימון ב-Agent Platform
כדי לבצע אימון בקנה מידה גדול, עם ביצועים גבוהים ובסביבות Mission Critical, אפשר להזמין אשכול ייעודי של מאיצים. כך מובטח לכם נפח אחסון מספיק, לא תצטרכו לחכות בתור והעבודות יתחילו מיד.
למרות שיש לכם שימוש בלעדי במשאבים האלה, Agent Platform עדיין מטפל בהוצאות התפעוליות של ניהול האשכול, כולל תחזוקת החומרה ועדכוני מערכת ההפעלה. הגישה הזו של 'ניהול שרתים' מאפשרת לכם ליהנות מהעוצמה של אשכול ייעודי בלי המורכבות של הניהול.
Ray on Gemini Enterprise Agent Platform
Ray on Gemini Enterprise Agent Platform הוא שירות שמאפשר להשתמש ב-framework של Ray בקוד פתוח כדי להרחיב אפליקציות AI ו-Python ישירות ב-Agent Platform. Ray נועד לספק את התשתית לחישוב מבוזר ולעיבוד מקבילי בתהליך העבודה שלכם ב-ML.
Ray on Gemini Enterprise Agent Platform מספק סביבה מנוהלת להרצת אפליקציות מבוזרות באמצעות מסגרת Ray, ומציע יכולת הרחבה ושילוב עם שירותי Google Cloud .
מידע נוסף על Ray ב-Gemini Enterprise Agent Platform זמין במאמר סקירה כללית על Ray ב-Gemini Enterprise Agent Platform.