אם אתם כותבים קוד אימון משלכם במקום להשתמש ב-AutoML}, יש כמה דרכים לאימון בלי שרת (serverless) ב-Gemini Enterprise Agent Platform שכדאי לשקול. במאמר הזה נסקור בקצרה את הדרכים השונות להרצת אימון בלי שרת (serverless) ונשווה ביניהן.
משאבי הדרכה ללא שרת (serverless) ב-Agent Platform
יש שלושה סוגים של משאבים ב-Agent Platform שאפשר ליצור כדי לאמן מודלים בהתאמה אישית ב-Agent Platform:
כשיוצרים משימה ייעודית, מציינים את ההגדרות שנדרשות ל-Agent Platform כדי להריץ את קוד האימון, כולל:
- מאגר עובדים אחד לאימון בצומת יחיד (
WorkerPoolSpec), או כמה מאגרי עובדים לאימון מבוזר. - הגדרות אופציונליות לתזמון משימות (
Scheduling), הגדרת משתני סביבה מסוימים לקוד האימון, שימוש בחשבון שירות בהתאמה אישית ושימוש בקישור בין רשתות VPC שכנות (peering)
במאגרי ה-Workers, אתם יכולים לציין את ההגדרות הבאות:
- סוגי מכונות ומאיצים
- הגדרת סוג קוד האימון שמאגר ה-workers מריץ: אפליקציית אימון ב-Python (
PythonPackageSpec) או קונטיינר בהתאמה אישית (ContainerSpec)
במשימות כוונון של היפר-פרמטר יש הגדרות נוספות, כמו המדד. מידע נוסף על כוונון היפר-פרמטרים
צינור עיבוד נתונים לאימון מתזמר משימות אימון ללא שרת (serverless) או משימות כוונון של היפר-פרמטרים עם שלבים נוספים, כמו טעינת מערך נתונים או העלאת המודל ל-Agent Platform אחרי שמשימת האימון הושלמה בהצלחה.
משאבי הדרכה בנושא מחשוב ללא שרת (serverless)
כדי לראות את צינורות עיבוד הנתונים לאימון שקיימים בפרויקט, נכנסים לדף Training Pipelines בקטע Agent Platform במסוףGoogle Cloud .
כדי לראות את המשימות המותאמות אישית הקיימות בפרויקט, נכנסים לדף Custom jobs.
כדי לראות את המשימות הקיימות לכוונון היפר-פרמטרים בפרויקט, נכנסים לדף Hyperparameter tuning.
מאגרים מובנים ומאגרים בהתאמה אישית
לפני ששולחים ל-Agent Platform משימת אימון ללא שרת, משימת כוונון של היפר-פרמטרים או צינור עיבוד נתונים לאימון, צריך ליצור אפליקציית אימון ב-Python או קונטיינר בהתאמה אישית כדי להגדיר את קוד האימון ואת יחסי התלות שרוצים להריץ ב-Agent Platform. אם אתם יוצרים אפליקציית אימון ב-Python באמצעות TensorFlow, PyTorch, scikit-learn או XGBoost, אתם יכולים להשתמש בקונטיינרים המוגדרים מראש שלנו כדי להריץ את הקוד. אם אתם לא בטוחים באיזו אפשרות לבחור, קראו את הדרישות לקוד האימון.
אימון מבוזר
כדי להגדיר משימת אימון ללא שרת, משימת כוונון של היפר-פרמטרים או צינור עיבוד נתונים לאימון מבוזר, צריך לציין כמה מאגרי מכונות של עובדים:
- משתמשים במאגר העובדים הראשון כדי להגדיר את הרפליקה הראשית, ומגדירים את מספר הרפליקות ל-1.
- אם מסגרת למידת המכונה שלכם תומכת במשימות האשכול הנוספות האלה לאימון מבוזר, אתם יכולים להוסיף עוד מאגרי Worker כדי להגדיר רפליקות של Worker, רפליקות של שרת פרמטרים או רפליקות של מעריך.
מידע נוסף על שימוש באימון מבוזר
המאמרים הבאים
- איך יוצרים משאב לטווח ארוך כדי להריץ משימות אימון בלי שרת (serverless).
- במאמר יצירת משימות אימון ללא שרת מוסבר איך ליצור משימות אימון ללא שרת כדי להריץ את אפליקציות האימון ללא שרת ב-Gemini Enterprise Agent Platform.
- במאמר יצירת צינורות עיבוד נתונים לאימון מוסבר איך ליצור צינורות עיבוד נתונים לאימון כדי להריץ אפליקציות אימון ללא שרת (serverless) ב-Gemini Enterprise Agent Platform.
- במאמר שימוש בכוונון היפר-פרמטרים מוסבר על חיפושים של כוונון היפר-פרמטרים.