Esta página oferece uma visão geral do fluxo de trabalho para treinamento e uso dos seus próprios modelos de machine learning (ML) na Agent Platform. A Agent Platform oferece um espectro de métodos de treinamento projetados para atender às suas necessidades, desde totalmente automatizados até totalmente personalizados.
- AutoML: crie modelos de alta qualidade com o mínimo de esforço técnico aproveitando os recursos de ML automatizados do Google.
- Clusters de treinamento da Agent Platform: execute seu código de treinamento personalizado em um ambiente totalmente gerenciado e sob demanda, sem se preocupar com a infraestrutura.
- Clusters de treinamento da Agent Platform: execute jobs de treinamento de alta performance e em grande escala em um cluster dedicado de aceleradores reservados para seu uso exclusivo.
- Ray na Agent Platform: dimensione aplicativos Python e cargas de trabalho de ML usando o framework Ray de código aberto em um serviço gerenciado.
Se precisar de ajuda para decidir qual desses métodos usar, consulte Escolher um método de treinamento.
AutoML
O AutoML na Gemini Enterprise Agent Platform permite criar um modelo de ML sem código com base nos dados de treinamento fornecidos. O AutoML pode automatizar tarefas como preparação de dados, seleção de modelos, ajuste de hiperparâmetros e implantação para vários tipos de dados e tarefas de previsão, o que pode tornar o ML mais acessível para uma ampla variedade de usuários.
Tipos de modelos que você pode criar usando o AutoML
Os tipos de modelo que você pode criar dependem do tipo de dados que você tem. A Gemini Enterprise Agent Platform oferece soluções do AutoML para os seguintes tipos de dados e objetivos de modelo:
| Tipo de dado | Objetivos compatíveis |
|---|---|
| Dados de imagem | Classificação, detecção de objetos. |
| Dados em tabela | Classificação/regressão, previsão. |
Para saber mais sobre o AutoML, consulte Visão geral do treinamento do AutoML.
Executar código de treinamento personalizado na Agent Platform
Se o AutoML não atender às suas necessidades, você poderá fornecer seu próprio código de treinamento e executá-lo na infraestrutura gerenciada da Agent Platform. Isso oferece controle total e flexibilidade sobre a arquitetura e a lógica de treinamento do modelo, permitindo que você use qualquer framework de ML.
A Agent Platform oferece dois modos principais para executar seu código de treinamento personalizado: um ambiente sem servidor e sob demanda ou um cluster dedicado e reservado.
Clusters de treinamento da Agent Platform
O treinamento sem servidor é um serviço totalmente gerenciado que permite executar seu aplicativo de treinamento personalizado sem provisionar ou gerenciar nenhuma infraestrutura.
Você empacota o código em um contêiner, define as especificações da máquina (incluindo CPUs e GPUs) e o envia como um CustomJob.
A Agent Platform cuida do resto:
- Provisionamento dos recursos de computação durante o job.
- Execução do código de treinamento.
- Exclusão dos recursos após a conclusão do job.
Esse modelo sob demanda e de pagamento por uso é ideal para experimentação, prototipagem rápida e jobs de produção que não exigem capacidade instantânea e garantida.
Para saber mais, consulte Criar um job personalizado de treinamento sem servidor
Clusters de treinamento da Agent Platform
Para treinamento de alta performance, em grande escala e essencial, você pode reservar um cluster dedicado de aceleradores. Isso oferece capacidade garantida e elimina filas, garantindo que seus jobs comecem imediatamente.
Embora você tenha uso exclusivo desses recursos, a Agent Platform ainda lida com a sobrecarga operacional do gerenciamento do cluster, incluindo manutenção de hardware e aplicação de patches do SO. Essa abordagem "com servidor gerenciado" oferece a potência de um cluster dedicado sem a complexidade do gerenciamento.
Ray na Gemini Enterprise Agent Platform
O Ray na Gemini Enterprise Agent Platform é um serviço que permite usar o framework Ray de código aberto para dimensionar aplicativos de IA e Python diretamente na Agent Platform. O Ray foi projetado para fornecer a infraestrutura para computação distribuída e processamento paralelo para seu fluxo de trabalho de ML.
O Ray na Gemini Enterprise Agent Platform oferece um ambiente gerenciado para executar aplicativos distribuídos usando o framework Ray, oferecendo escalonabilidade e integração com Google Cloud serviços.
Para saber mais sobre o Ray na Gemini Enterprise Agent Platform, consulte Visão geral do Ray na Gemini Enterprise Agent Platform.