Gemini Enterprise Agent Platform מספקת חבילה מקיפה של כלים שיעזרו לכם ליצור, לאמן ולנהל מודלים של למידת מכונה (ML) בהיקפים גדולים. בין אם אתם משתמשים ב-AutoML כדי ליצור במהירות מודלים באיכות גבוהה, או יוצרים מודלים בהתאמה אישית באמצעות מסגרות פופולריות כמו TensorFlow ו-PyTorch, Agent Platform מאפשרת להפעיל את כל מחזור החיים של למידת המכונה.
תהליך הכנת נתונים
לפני שמאמנים מודל, צריך להכין את הנתונים. Agent Platform מספקת מערכי נתונים מנוהלים כדי לפשט את התהליך הזה.
מערכי נתונים מנוהלים מאפשרים לספק נתוני מקור להדרכת מודלים. הם נדרשים ל-AutoML ואופציונליים להדרכה מותאמת אישית. אפשר ליצור מערכי נתונים לסוגים שונים של נתונים, כולל נתונים טבלאיים ונתוני תמונות.
מידע נוסף זמין במאמר סקירה כללית על יצירת מערכי נתונים מנוהלים בפלטפורמת הסוכנים של Gemini Enterprise.
אימון המודל
Agent Platform מספקת שירות אימון מנוהל שעוזר לכם להפעיל אימון של מודלים רחבי היקף.
אתם יכולים להריץ אפליקציות אימון שמבוססות על כל מסגרת למידת מכונה בתשתית של Google Cloud Agent Platform. Agent Platform מציעה גם תמיכה משולבת במסגרות פופולריות כמו PyTorch, TensorFlow, scikit-learn ו-XGBoost.
היתרונות המרכזיים של אימון בלי שרת:
- תשתית מחשוב מנוהלת במלואה: אימון מודלים בלי הקצאה או ניהול של שרתים.
- ביצועים גבוהים: משימות אופטימליות של אימון שיכולות לספק ביצועים מהירים יותר.
- אימון מבוזר: תמיכה באימון מבוזר של כמה צמתים כדי לקצר את הזמן ולהפחית את העלויות.
- אופטימיזציה של היפרפרמטרים: גילוי אוטומטי של ערכים אופטימליים למודל.
מידע נוסף מופיע במאמר סקירה כללית על אימון ללא שרת.
ניהול מודלים
אחרי אימון המודל, אפשר לנהל אותו במאגר המודלים.
מרשם המודלים הוא מאגר מרכזי שבו אפשר לנהל את מחזור החיים של מודלים של למידת מכונה. הוא מאפשר לעקוב אחרי גרסאות של מודלים, להעריך את איכות המודלים ולפרוס מודלים כדי להציג מסקנות.
מידע נוסף זמין במאמר מבוא למאגר המודלים.