בדף הזה מוסבר על השילוב של TensorFlow ב-Vertex AI, ומוצגים משאבים שמסבירים איך להשתמש ב-TensorFlow ב-Vertex AI. השילוב של TensorFlow ב-Vertex AI מאפשר לכם לאמן, לפרוס ולתזמן מודלים של TensorFlow בסביבת ייצור בקלות רבה יותר.
הרצת קוד ב-notebooks
Vertex AI מספק שתי אפשרויות להרצת קוד ב-notebooks: Colab Enterprise ו-Vertex AI Workbench. מידע נוסף על האפשרויות האלה זמין במאמר בנושא בחירת פתרון למחברת.
מאגרי תגים מוכנים מראש לאימון
Vertex AI מספק קובצי אימג' לקונטיינרים של Docker שנוצרו מראש לאימון מודלים. המאגדים האלה מאורגנים לפי מסגרות למידת מכונה וגרסאות של מסגרות, והם כוללים תלות נפוצות שאולי תרצו להשתמש בהן בקוד ההדרכה שלכם.
במאמר קונטיינרים מוכנים מראש לאימון מותאם אישית מוסבר אילו גרסאות של TensorFlow כוללות קונטיינרים מוכנים מראש לאימון, ואיך לאמן מודלים באמצעות קונטיינר מוכן מראש לאימון.
אימון מבוזר
אפשר להריץ אימון מבוזר של מודלים של TensorFlow ב-Vertex AI. באימון עם כמה תהליכי worker, אפשר להשתמש בשרת לצמצום כדי לשפר עוד יותר את הביצועים של פעולות צמצום קולקטיביות. מידע נוסף על אימון מבוזר ב-Vertex AI זמין במאמר אימון מבוזר.
קונטיינרים מוכנים מראש להסקת מסקנות
בדומה למאגרי תמונות מוכנים מראש לאימון, Vertex AI מספקת מאגרי תמונות מוכנים מראש להסקת מסקנות ולהסברים ממודלים של TensorFlow שיצרתם בתוך Vertex AI או מחוצה לה. התמונות האלה מספקות שרתי היסק HTTP שבהם אפשר להשתמש כדי להציג היסקים עם מינימום הגדרות.
במאמר קונטיינרים מוכנים מראש לאימון מותאם אישית מוסבר אילו גרסאות של TensorFlow כוללות קונטיינרים מוכנים מראש לאימון, ואיך לאמן מודלים באמצעות קונטיינר מוכן מראש לאימון.
זמן ריצה אופטימלי של TensorFlow
TensorFlow runtime שעבר אופטימיזציה משתמש באופטימיזציות של מודלים ובטכנולוגיות חדשות קנייניות של Google כדי לשפר את המהירות ולהפחית את העלות של מסקנות בהשוואה למאגרי מידע סטנדרטיים של מסקנות שנוצרו מראש ב-Vertex AI עבור TensorFlow.
שילוב של TensorFlow Cloud Profiler
אפשר לאמן מודלים בצורה זולה ומהירה יותר באמצעות מעקב אחרי הביצועים של משימת האימון ואופטימיזציה שלהם באמצעות השילוב של TensorFlow Cloud Profiler ב-Vertex AI. TensorFlow Cloud Profiler עוזר לכם להבין את צריכת המשאבים של פעולות האימון, כדי שתוכלו לזהות ולסלק צווארי בקבוק בביצועים.
מידע נוסף על Vertex AI TensorFlow Cloud Profiler זמין במאמר יצירת פרופיל של ביצועי אימון מודלים באמצעות Profiler.
מקורות מידע לשימוש ב-TensorFlow ב-Vertex AI
מידע נוסף על TensorFlow ב-Vertex AI זמין במקורות המידע הבאים.
אב טיפוס עד לייצור: סדרת סרטונים שכוללת דוגמה מקיפה לפיתוח ולפריסה של מודל TensorFlow בהתאמה אישית ב-Vertex AI.
אופטימיזציה של ביצועי האימון באמצעות Reduction Server ב-Vertex AI: פוסט בבלוג בנושא אופטימיזציה של אימון מבוזר ב-Vertex AI באמצעות Reduction Server.
איך לשפר את ביצועי האימון באמצעות TensorFlow Cloud Profiler ב-Vertex AI: פוסט בבלוג שמסביר איך לזהות צווארי בקבוק בביצועים של משימת האימון באמצעות Vertex AI TensorFlow Cloud Profiler.
חיזוי באצווה של מודל מותאם אישית עם סינון תכונות: מדריך notebook שמראה איך להשתמש ב-Vertex AI SDK ל-Python כדי לאמן מודל מותאם אישית של סיווג טבלאי ולבצע הסקה באצווה עם סינון תכונות.
Vertex AI Pipelines: אימון בהתאמה אישית עם רכיבי צינורות עיבוד נתונים מוכנים מראש Google Cloud: מדריך ל-notebook שמראה איך להשתמש ב-Vertex AI Pipelines עם רכיבי צינורות עיבוד נתונים מוכנים מראש Google Cloud לאימון בהתאמה אישית.
אירוח משותף של מודלים של TensorFlow באותה מכונה וירטואלית לצורך חיזויים: ב-Codelab הזה מוסבר איך להשתמש בתכונת האירוח המשותף של מודלים ב-Vertex AI כדי לארח כמה מודלים באותה מכונה וירטואלית לצורך הסקת מסקנות אונליין.