Cette page présente le workflow d'entraînement et d'utilisation de vos propres modèles de machine learning (ML) sur Agent Platform. Agent Platform propose un large éventail de méthodes d'entraînement conçues pour répondre à vos besoins, de l'entraînement entièrement automatisé à l'entraînement entièrement personnalisé.
- AutoML : créez des modèles de haute qualité avec un minimum d'efforts techniques en exploitant les fonctionnalités de ML automatisé de Google.
- Entraînement sans serveur Gemini Enterprise Agent Platform : exécutez votre code d'entraînement personnalisé dans un environnement entièrement géré et à la demande, sans vous soucier de l'infrastructure.
- Clusters d'entraînement Gemini Enterprise Agent Platform : exécutez des jobs d'entraînement à grande échelle et hautes performances sur un cluster d'accélérateurs dédié et réservé à votre usage exclusif.
- Ray sur Agent Platform : mettez à l'échelle les applications Python et les charges de travail de ML à l'aide du framework Ray Open Source sur un service géré.
Pour obtenir de l'aide dans votre choix de ces méthodes, consultez la page Choisir une méthode d'entraînement.
AutoML
AutoML sur la plate-forme d'agents Gemini Enterprise vous permet de créer un modèle de ML sans code à partir des données d'entraînement que vous fournissez. AutoML peut automatiser des tâches telles que la préparation des données, la sélection du modèle, le réglage des hyperparamètres et le déploiement pour différents types de données et tâches de prédiction, ce qui peut rendre le ML plus accessible à un large éventail d'utilisateurs.
Types de modèles que vous pouvez créer à l'aide d'AutoML
Les types de modèles que vous pouvez créer dépendent du type de données dont vous disposez. La plate-forme d'agents Gemini Enterprise propose des solutions AutoML pour les types de données et les objectifs de modèle suivants :
| Type de données | Objectifs possibles |
|---|---|
| Données d'image | Classification et détection d'objets |
| Données tabulaires | Classification/Régression et prévision |
Pour en savoir plus sur AutoML, consultez Présentation de l'entraînement AutoML.
Exécuter du code d'entraînement personnalisé sur Agent Platform
Si AutoML ne répond pas à vos besoins, vous pouvez fournir votre propre code d'entraînement et l'exécuter sur l'infrastructure gérée d'Agent Platform. Vous bénéficiez ainsi d'un contrôle et d'une flexibilité totaux sur l'architecture et la logique d'entraînement de votre modèle, ce qui vous permet d'utiliser le framework de ML de votre choix.
Agent Platform propose deux modes principaux pour exécuter votre code d'entraînement personnalisé : un environnement sans serveur à la demande ou un cluster dédié réservé.
Entraînement sans serveur Gemini Enterprise Agent Platform
L'entraînement sans serveur est un service entièrement géré qui vous permet d'exécuter votre application d'entraînement personnalisée sans provisionner ni gérer d'infrastructure.
Vous regroupez votre code dans un conteneur, définissez les spécifications de votre machine (y compris les CPU et les GPU), puis l'envoyez en tant que CustomJob.
Agent Platform s'occupe du reste :
- Provisionnement des ressources de calcul pour la durée de votre job.
- Exécuter votre code d'entraînement.
- Supprimer les ressources une fois le job terminé.
Ce modèle à la demande et au paiement à l'utilisation est idéal pour les tests, le prototypage rapide et les jobs de production qui ne nécessitent pas de capacité garantie et instantanée.
Pour en savoir plus, consultez Créer un job personnalisé d'entraînement sans serveur.
Clusters d'entraînement Gemini Enterprise Agent Platform
Pour un entraînement à grande échelle, à hautes performances et critique pour votre mission, vous pouvez réserver un cluster d'accélérateurs dédié. Cela permet de garantir la capacité et d'éliminer les files d'attente, ce qui assure le démarrage immédiat de vos jobs.
Bien que vous utilisiez ces ressources de manière exclusive, Agent Platform gère toujours les frais généraux opérationnels liés à la gestion du cluster, y compris la maintenance du matériel et les correctifs de l'OS. Cette approche "avec serveur géré" vous offre la puissance d'un cluster dédié sans la complexité de la gestion.
Ray sur Gemini Enterprise Agent Platform
Ray sur Gemini Enterprise Agent Platform est un service qui vous permet d'utiliser le framework Ray Open Source pour faire évoluer des applications d'IA et Python directement dans Agent Platform. Ray est conçu pour fournir l'infrastructure nécessaire au calcul distribué et au traitement en parallèle pour votre workflow de ML.
Ray sur Gemini Enterprise Agent Platform fournit un environnement géré pour exécuter des applications distribuées à l'aide du framework Ray, offrant ainsi une évolutivité et une intégration avec les services Google Cloud .
Pour en savoir plus sur Ray sur Gemini Enterprise Agent Platform, consultez Présentation de Ray sur Gemini Enterprise Agent Platform.