Die Gemini Enterprise Agent Platform bietet eine umfassende Suite von Tools, mit denen Sie ML-Modelle (Machine Learning) in großem Maßstab erstellen, trainieren und verwalten können. Ob Sie AutoML für einen schnellen Weg zu hochwertigen Modellen verwenden oder benutzerdefinierte Modelle mit beliebten Frameworks wie TensorFlow und PyTorch erstellen – die Agent Platform operationalisiert den gesamten ML-Lebenszyklus.
Datenvorbereitung
Bevor Sie ein Modell trainieren können, müssen Sie Ihre Daten vorbereiten. Die Agent Platform bietet verwaltete Datasets, um diesen Vorgang zu vereinfachen.
Mit verwalteten Datasets können Sie Quelldaten für das Training von Modellen bereitstellen. Sie sind für AutoML erforderlich und für das benutzerdefinierte Training optional. Sie können Datasets für verschiedene Datentypen erstellen, einschließlich Bild- und Tabellendaten.
Weitere Informationen finden Sie unter Übersicht über das Erstellen verwalteter Datasets auf der Gemini Enterprise Agent Platform.
Modelltraining
Die Agent Platform bietet einen verwalteten Trainingsdienst, mit dem Sie umfangreiches Modelltraining operationalisieren können.
Sie können Trainingsanwendungen basierend auf einem beliebigen ML-Framework in der Google Cloud Infrastruktur ausführen. Die Agent Platform bietet auch integrierte Unterstützung für beliebte Frameworks wie PyTorch, TensorFlow, scikit-learn und XGBoost.
Zu den wichtigsten Vorteilen des serverlosen Trainings gehören:
- Vollständig verwaltete Computing-Infrastruktur: Trainieren Sie Modelle, ohne Server bereitstellen oder verwalten zu müssen.
- Hohe Leistung: Optimierte Trainingsjobs, die eine schnellere Leistung bieten können.
- Verteiltes Training: Unterstützung für verteiltes Training mit mehreren Knoten zur Reduzierung von Zeit und Kosten.
- Hyperparameter-Optimierung: Optimale Werte für Ihr Modell automatisch ermitteln.
Weitere Informationen finden Sie unter Übersicht über serverloses Training.
Modellverwaltung
Nach dem Training Ihres Modells können Sie es in der Model Registry verwalten.
Die Model Registry ist ein zentrales Repository, in dem Sie den Lebenszyklus Ihrer ML-Modelle verwalten können. Sie können Modellversionen verfolgen, die Modellqualität bewerten und Modelle für die Bereitstellung von Inferenz bereitstellen.
Weitere Informationen finden Sie unter Einführung in Model Registry.