本页面介绍了 Gemini Enterprise Agent Platform 的 PyTorch 集成，并提供了一些介绍如何在 Gemini Enterprise Agent Platform 上使用 PyTorch 的资源。Gemini Enterprise Agent Platform 的 PyTorch 集成可让您更轻松地在生产环境中训练、部署和编排 PyTorch 模型。
在笔记本中运行代码
Agent Platform 提供了两个在笔记本中运行代码的选项：Colab Enterprise 和 Vertex AI Workbench。 如需详细了解这些选项，请参阅 选择笔记本解决方案。
用于训练的预构建容器
Gemini Enterprise Agent Platform 为模型训练提供预构建的 Docker 容器映像。 这些容器按机器学习框架和框架版本进行组织，并包含您可能想要在训练代码中使用的通用依赖项。如需了解哪些 PyTorch 版本具有预构建训练容器以及如何使用预构建训练容器来训练模型，请参阅自定义训练的预构建容器。
用于提供推理的预构建容器
Gemini Enterprise Agent Platform 提供预构建的 Docker 容器映像，以同时提供批量推理和在线推理。 这些容器按机器学习框架和框架版本进行组织，并包含您可能想要在推理代码中使用的通用依赖项。如需了解哪些 PyTorch 版本具有预构建推理容器，以及如何使用预构建推理容器来提供模型，请参阅自定义训练的预构建容器。
分布式训练
您可以在 Gemini Enterprise Agent Platform 上运行 PyTorch 模型的分布式训练。对于多工作器训练，您可以使用 Reduction Server 进一步优化性能，以实现全缩减集体操作。如需详细了解 Gemini Enterprise Agent Platform 上的分布式训练，请参阅 分布式训练。
在 Gemini Enterprise Agent Platform 上使用 PyTorch 的资源
如需了解详情并开始在 Gemini Enterprise Agent Platform 中使用 PyTorch，请参阅以下资源：
- 如何在 Gemini Enterprise Agent Platform 上训练和调整 PyTorch 模型： 了解如何使用 Gemini Enterprise Agent Platform Training 通过 PyTorch 构建和训练情感文本分类模型，以及如何使用 Gemini Enterprise Agent Platform Hyperparameter Tuning 来调整 PyTorch 模型的超参数。
- 如何在 Gemini Enterprise Agent Platform 上部署 PyTorch 模型： 通过将模型工件部署到 Vertex AI Inference 服务，演示如何使用 TorchServe 作为自定义容器来部署 Pytorch 模型。
- 在 Agent Platform Pipelines 上编排 PyTorch 机器学习工作流： 了解如何使用 Agent Platform Pipelines 构建和编排机器学习流水线，以便在 Google Cloud Gemini Enterprise Agent Platform 上训练和部署 PyTorch 模型。
- 在 Kubeflow Pipelines 和 Vertex Pipelines 上使用 PyTorch 的可扩缩机器学习工作流： 查看 OSS Kubeflow Pipelines（Kubeflow 项目的一部分）和 Agent Platform Pipelines上基于 PyTorch 的机器学习 工作流的示例。我们分享 添加到 Kubeflow Pipelines 的新的 PyTorch 内置组件 。
- 在 Agent Platform 上使用预构建容器提供 PyTorch 图片模型： 此笔记本使用预构建的 PyTorch 服务图片在 Agent Platform上部署 PyTorch 图片分类模型。
后续步骤
- 教程：使用 Gemini Enterprise Agent Platform 通过 Google Cloud 控制台在 Gemini Enterprise Agent Platform 的某个预构建容器环境中训练 PyTorch 图片
分类模型。
如需在 Google Cloud 控制台中直接遵循有关此任务的分步指导，请点击操作演示: