אם אתם כותבים קוד תכנות משלכם במקום להשתמש ב-AutoML}, יש כמה דרכים לבצע אימון בלי שרת (serverless) ב-Gemini Enterprise Agent Platform. במסמך הזה מופיע תקציר והשוואה בין הדרכים השונות שבהן אפשר להריץ אימון בלי שרת (serverless).
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 בהתאמה אישית, מציינים הגדרות ש-Agent Platform צריכה כדי להריץ את קוד ההדרכה, כולל:
- מאגר worker אחד לאימון של צומת יחיד (
WorkerPoolSpec), או כמה מאגרי worker לאימון מבוזר - הגדרות אופציונליות להגדרת תזמון של עבודות (
Scheduling), הגדרת משתני סביבה מסוימים לקוד האימון, שימוש בחשבון שירות בהתאמה אישית ושימוש ב-VPC Network Peering
במאגרי העובדים אפשר לציין את ההגדרות הבאות:
- סוגי מכונות ומאיצים
- הגדרה של סוג קוד ההדרכה שמאגר העובדים מריץ: אפליקציית הדרכה של Python (
PythonPackageSpec) או קונטיינר בהתאמה אישית (ContainerSpec)
משימות כוונון של היפר-פרמטר כוללות הגדרות נוספות שצריך לקבוע, כמו המדד. מידע נוסף על כוונון של היפר-פרמטר
פייפליין אימון מתזמן משימות אימון בלי שרת (serverless) או משימות כוונון של היפר-פרמטרים עם שלבים נוספים, כמו טעינת קבוצת נתונים או העלאת המודל ל-Agent Platform אחרי שמשימת האימון מסתיימת בהצלחה.
משאבי הדרכה ללא שרת
כדי לראות את צינורות ההדרכה הקיימים בפרויקט, עוברים לדף Training Pipelines בקטע Agent Platform במסוףGoogle Cloud .
כדי לראות את המשימות המותאמות אישית הקיימות בפרויקט, עוברים לדף Custom jobs.
כדי לראות משימות קיימות של כוונון היפר-פרמטרים בפרויקט, עוברים לדף Hyperparameter tuning.
מאגרי תגים מוכנים מראש ומותאמים אישית
לפני ששולחים משימת אימון ללא שרת, משימת כוונון של היפר-פרמטרים או צינור אימון ל-Agent Platform, צריך ליצור אפליקציית אימון ב-Python או קונטיינר בהתאמה אישית כדי להגדיר את קוד האימון ואת התלות שרוצים להפעיל ב-Agent Platform. אם יוצרים אפליקציית אימון ב-Python באמצעות TensorFlow, PyTorch, scikit-learn או XGBoost, אפשר להשתמש בקונטיינרים המובנים שלנו כדי להפעיל את הקוד. אם אתם לא בטוחים איזו מהאפשרויות האלה מתאימה לכם, כדאי לעיין בדרישות של קוד האימון כדי לקבל מידע נוסף.
אימון מבוזר
אפשר להגדיר משימת אימון בלי שרת (serverless), משימת כוונון של היפר-פרמטרים או פייפליין אימון לאימון מבוזר על ידי ציון של כמה מאגרי workers:
- משתמשים במאגר העובדים הראשון כדי להגדיר את העותק הראשי, ומגדירים את מספר העותקים ל-1.
- אפשר להוסיף עוד מאגרי עובדים כדי להגדיר רפליקות של עובדים, רפליקות של שרת פרמטרים או רפליקות של מעריך, אם מסגרת למידת המכונה תומכת במשימות נוספות של אשכולות לאימון מבוזר.
מידע נוסף על שימוש באימון מבוזר
המאמרים הבאים
- איך יוצרים משאב מתמשך כדי להריץ משימות אימון ללא שרת.
- במאמר יצירת משימות אימון ללא שרת מוסבר איך ליצור משימות אימון ללא שרת כדי להריץ את אפליקציות האימון ללא שרת בפלטפורמת הסוכנים של Gemini Enterprise.
- במאמר יצירת צינורות להדרכה מוסבר איך ליצור צינורות להדרכה כדי להריץ אפליקציות להדרכה ללא שרתים בפלטפורמת הסוכנים של Gemini Enterprise.
- במאמר שימוש בכוונון היפר-פרמטרים מוסבר על חיפושים של כוונון היפר-פרמטרים.