En esta página, se proporciona una descripción general del flujo de trabajo del entrenamiento y uso de tus propios modelos de aprendizaje automático (AA) en Vertex AI. Vertex AI ofrece un espectro de métodos de entrenamiento diseñados para satisfacer tus necesidades, desde completamente automatizados hasta completamente personalizados.
- AutoML: Crea modelos de alta calidad con un esfuerzo técnico mínimo aprovechando las capacidades de AA automatizado de Google.
- Entrenamiento sin servidores de Vertex AI: Ejecuta tu código de entrenamiento personalizado en un entorno completamente administrado y a pedido sin preocuparte por la infraestructura.
- Clústeres de entrenamiento de Vertex AI: Ejecuta trabajos de entrenamiento a gran escala y de alto rendimiento en un clúster dedicado de aceleradores reservados para tu uso exclusivo.
- Ray en Vertex AI: Escala aplicaciones de Python y cargas de trabajo de AA con el framework de código abierto Ray en un servicio administrado.
Si deseas obtener ayuda para decidir cuál de estos métodos usar, consulta Elige un método de entrenamiento.
AutoML
AutoML en Vertex AI te permite compilar un modelo de AA sin código basado en los datos de entrenamiento que proporciones. AutoML puede automatizar tareas como la preparación de datos, la selección de modelos, el ajuste de hiperparámetros y la implementación para varios tipos de datos y tareas de predicción, lo que puede hacer que el AA sea más accesible para una amplia variedad de usuarios.
Tipos de modelos que puedes compilar con AutoML
Los tipos de modelos que puedes compilar dependen del tipo de datos que tengas. Vertex AI ofrece soluciones de AutoML para los siguientes tipos de datos y objetivos del modelo:
| Tipo de datos | Objetivos admitidos |
|---|---|
| Datos de imágenes | Clasificación y detección de objetos. |
| Datos tabulares | Clasificación/regresión, previsión. |
Para obtener más información sobre AutoML, consulta la descripción general del entrenamiento de AutoML.
Ejecuta código de entrenamiento personalizado en Vertex AI
Si AutoML no satisface tus necesidades, puedes proporcionar tu propio código de entrenamiento y ejecutarlo en la infraestructura administrada de Vertex AI. Esto te brinda control y flexibilidad totales sobre la arquitectura y la lógica de entrenamiento de tu modelo, lo que te permite usar cualquier framework de AA que elijas.
Vertex AI proporciona dos modos principales para ejecutar tu código de entrenamiento personalizado: un entorno sin servidores y bajo demanda, o un clúster reservado y dedicado.
Vertex AI Training sin servidores
El entrenamiento sin servidores es un servicio completamente administrado que te permite ejecutar tu aplicación de entrenamiento personalizada sin aprovisionar ni administrar ninguna infraestructura.
Empaqueta tu código en un contenedor, define las especificaciones de tu máquina (incluidas las CPU y las GPU) y envíalo como un CustomJob.
Vertex AI se encarga del resto:
- Aprovisiona los recursos de procesamiento durante la duración de tu trabajo.
- Ejecuta tu código de entrenamiento.
- Borra los recursos después de que se completa el trabajo.
Este modelo a pedido y de pago por uso es ideal para la experimentación, la creación rápida de prototipos y los trabajos de producción que no requieren capacidad garantizada ni instantánea.
Para obtener más información, consulta Crea un trabajo personalizado de entrenamiento sin servidores.
Clústeres de entrenamiento de Vertex AI
Para el entrenamiento a gran escala, de alto rendimiento y esencial, puedes reservar un clúster dedicado de aceleradores. Esto garantiza la capacidad y elimina las colas, lo que garantiza que tus trabajos comiencen de inmediato.
Si bien tienes el uso exclusivo de estos recursos, Vertex AI sigue controlando la sobrecarga operativa de la administración del clúster, incluido el mantenimiento del hardware y la aplicación de parches del SO. Este enfoque de "servidor administrado" te brinda la potencia de un clúster dedicado sin la complejidad de la administración.
Ray on Vertex AI
Ray en Vertex AI es un servicio que te permite usar el framework de código abierto Ray para escalar aplicaciones de IA y Python directamente en la plataforma de Vertex AI. Ray está diseñado para proporcionar la infraestructura para el procesamiento distribuido y el procesamiento paralelo en tu flujo de trabajo de AA.
Ray en Vertex AI proporciona un entorno administrado para ejecutar aplicaciones distribuidas con el framework de Ray, que ofrece escalabilidad e integración con los servicios de Google Cloud .
Para obtener más información sobre Ray en Vertex AI, consulta la Descripción general de Ray en Vertex AI.