אימון מודלים משלכם ושימוש בהם

בדף הזה מוסבר על תהליך העבודה לאימון מודלים של למידת מכונה (ML) משלכם ב-Vertex AI ושימוש בהם. פלטפורמת Vertex AI מציעה מגוון שיטות אימון שנועדו לתת מענה לצרכים שלכם, החל משיטות אוטומטיות לחלוטין ועד לשיטות בהתאמה אישית מלאה.

• ‫AutoML: פיתוח מודלים באיכות גבוהה עם מאמץ טכני מינימלי באמצעות היכולות האוטומטיות של Google בתחום למידת המכונה.
• אימון ללא שרת ב-Vertex AI: אתם יכולים להריץ את קוד האימון המותאם אישית שלכם בסביבה מנוהלת במלואה על פי דרישה, בלי לדאוג לתשתית.
• אשכולות אימון ב-Vertex AI: הרצת משימות אימון רחבות היקף ובעלות ביצועים גבוהים באשכול ייעודי של מאיצים ששמור לשימוש בלעדי שלכם.
• ‫Ray ב-Vertex AI: הרחבת אפליקציות Python ועומסי עבודה של למידת מכונה באמצעות מסגרת Ray בקוד פתוח בשירות מנוהל.

כדי לקבל עזרה בבחירת השיטה המתאימה, אפשר לעיין במאמר בנושא בחירת שיטת אימון.

AutoML

‫AutoML ב-Vertex AI מאפשר לכם ליצור מודל ML ללא קוד על סמך נתוני האימון שאתם מספקים. ‫AutoML יכול לבצע אוטומציה של משימות כמו הכנת נתונים, בחירת מודל, כוונון היפר-פרמטרים ופריסה עבור סוגים שונים של נתונים ומשימות חיזוי, מה שיכול להפוך את למידת המכונה לנגישה יותר למגוון רחב של משתמשים.

סוגי המודלים שאפשר לבנות באמצעות AutoML

סוגי המודלים שאפשר ליצור תלויים בסוג הנתונים שיש לכם. ‫Vertex AI מציע פתרונות AutoML לסוגי הנתונים ולמטרות המודלים הבאים:

סוג נתונים	יעדים נתמכים
נתוני תמונות	סיווג, זיהוי אובייקטים.
נתונים בטבלה	סיווג/רגרסיה, חיזוי.

מידע נוסף על AutoML זמין במאמר סקירה כללית על אימון AutoML.

הרצת קוד אימון בהתאמה אישית ב-Vertex AI

אם AutoML לא עונה על הצרכים שלכם, אתם יכולים לספק קוד אימון משלכם ולהריץ אותו בתשתית המנוהלת של Vertex AI. כך יש לכם גמישות ושליטה מלאה בארכיטקטורה של המודל ובלוגיקת האימון שלו, ואתם יכולים להשתמש בכל מסגרת למידת מכונה שתבחרו.

ב-Vertex AI יש שני מצבים עיקריים להרצת קוד אימון מותאם אישית: סביבה לפי דרישה ללא שרתים או אשכול ייעודי ומוזמן מראש.

אימון ללא שרת ב-Vertex AI

אימון בלי שרת (serverless) הוא שירות שמנוהל במלואו שמאפשר להריץ אפליקציית אימון בהתאמה אישית בלי לספק או לנהל תשתית כלשהי. אתם אורזים את הקוד במאגר, מגדירים את מפרטי המכונה (כולל מעבדי CPU ו-GPU) ושולחים אותו כקובץ CustomJob.

מערכת Vertex AI מטפלת בכל השאר:

• הקצאת משאבי המחשוב למשך העבודה.
• הפעלת קוד האימון.
• מחיקת המשאבים אחרי שהפעולה מסתיימת.

המודל הזה של תשלום לפי שימוש ועל פי דרישה אידיאלי לניסויים, ליצירת אב טיפוס מהיר ולעבודות ייצור שלא דורשות קיבולת מובטחת ומיידית.

מידע נוסף זמין במאמר יצירת משימת אימון בהתאמה אישית ללא שרת

קלאסטרים לאימון ב-Vertex AI

כדי לבצע אימון בקנה מידה גדול, עם ביצועים גבוהים ובסביבות Mission Critical, אפשר להזמין אשכול ייעודי של מאיצים. כך מובטח לכם נפח אחסון מספיק ואין תורים, והעבודות מתחילות באופן מיידי.

למרות שיש לכם שימוש בלעדי במשאבים האלה, Vertex AI עדיין מטפל בתקורה התפעולית של ניהול האשכול, כולל תחזוקת החומרה ועדכוני מערכת ההפעלה. הגישה הזו של 'ניהול ללא שרתים' מאפשרת לכם ליהנות מהעוצמה של אשכול ייעודי בלי המורכבות של הניהול.

‫Ray on Vertex AI

‫Ray on Vertex AI הוא שירות שמאפשר לכם להשתמש ב-framework של Ray עם קוד פתוח כדי לבצע התאמה לעומס (scaling) של אפליקציות AI ו-Python ישירות בפלטפורמת Vertex AI. ‫Ray נועד לספק את התשתית לחישוב מבוזר ולעיבוד מקבילי בתהליך העבודה שלכם ב-ML.

‫Ray on Vertex AI מספק סביבה מנוהלת להרצת אפליקציות מבוזרות באמצעות מסגרת Ray, ומציע יכולת הרחבה ושילוב עם שירותים של Google Cloud .

מידע נוסף על Ray ב-Vertex AI זמין בסקירה הכללית על Ray ב-Vertex AI.