Nesta página, apresentamos uma visão geral do fluxo de trabalho para treinar e usar seus próprios modelos de machine learning (ML) na Agent Platform. A Agent Platform oferece uma variedade de métodos de treinamento projetados para atender às suas necessidades, desde totalmente automatizados até totalmente personalizados.
- AutoML: crie modelos de alta qualidade com o mínimo de esforço técnico usando os recursos de ML automatizados do Google.
- Clusters de treinamento da plataforma de agentes: execute seu código de treinamento personalizado em um ambiente totalmente gerenciado e sob demanda, sem se preocupar com a infraestrutura.
- Clusters de treinamento da Agent Platform: execute jobs de treinamento de alto desempenho e em grande escala em um cluster dedicado de aceleradores reservados para seu uso exclusivo.
- Ray na plataforma de agentes: escalone aplicativos Python e cargas de trabalho de ML usando o framework Ray de código aberto em um serviço gerenciado.
Se precisar de ajuda para decidir qual desses métodos usar, consulte Escolher um método de treinamento.
AutoML
Com o AutoML na Gemini Enterprise Agent Platform, você cria um modelo de ML sem código com base nos dados de treinamento fornecidos. O AutoML pode automatizar tarefas como preparação de dados, seleção de modelos, ajuste de hiperparâmetros e implantação para vários tipos de dados e tarefas de previsão, o que pode tornar o ML mais acessível para uma ampla gama de usuários.
Tipos de modelos que você pode criar usando o AutoML
Os tipos de modelo que você pode criar dependem do tipo de dados que você tem. A Gemini Enterprise Agent Platform oferece soluções do AutoML para os seguintes tipos de dados e objetivos de modelo:
| Tipo de dado | Objetivos compatíveis |
|---|---|
| Dados de imagem | Classificação, detecção de objetos. |
| Dados tabulares | Classificação/regressão, previsão. |
Para saber mais sobre o AutoML, consulte a visão geral do treinamento do AutoML.
Executar código de treinamento personalizado na Agent Platform
Se o AutoML não atender às suas necessidades, forneça seu próprio código de treinamento e execute-o na infraestrutura gerenciada da Agent Platform. Isso oferece controle total e flexibilidade sobre a arquitetura e a lógica de treinamento do modelo, permitindo que você use qualquer framework de ML que quiser.
A Agent Platform oferece dois modos principais para executar seu código de treinamento personalizado: um ambiente sem servidor sob demanda ou um cluster dedicado e reservado.
Clusters de treinamento da Agent Platform
O treinamento sem servidor é um serviço totalmente gerenciado que permite executar seu aplicativo de treinamento personalizado sem provisionar ou gerenciar nenhuma infraestrutura.
Você empacota o código em um contêiner, define as especificações da máquina
(incluindo CPUs e GPUs) e o envia como um CustomJob.
A Agent Platform cuida do resto:
- Provisionamento dos recursos de computação durante o job.
- Executar o código de treinamento.
- Excluir os recursos após a conclusão do job.
Esse modelo de pagamento por uso e sob demanda é ideal para experimentação, prototipagem rápida e jobs de produção que não exigem capacidade garantida e instantânea.
Para saber mais, consulte Criar um job personalizado de treinamento sem servidor.
Clusters de treinamento da Agent Platform
Para treinamento em grande escala, de alto desempenho e de missão crítica, é possível reservar um cluster dedicado de aceleradores. Isso garante a capacidade e elimina as filas, garantindo que os jobs comecem imediatamente.
Embora você tenha uso exclusivo desses recursos, a plataforma de agentes ainda processa a sobrecarga operacional de gerenciamento do cluster, incluindo manutenção de hardware e aplicação de patches no SO. Essa abordagem "com servidor gerenciado" oferece o poder de um cluster dedicado sem a complexidade do gerenciamento.
Ray na Gemini Enterprise Agent Platform
O Ray na Gemini Enterprise Agent Platform é um serviço que permite usar o framework de código aberto Ray para escalonar aplicativos de IA e Python diretamente na Agent Platform. O Ray foi projetado para fornecer a infraestrutura de computação distribuída e processamento paralelo para seu fluxo de trabalho de ML.
O Ray na Gemini Enterprise Agent Platform oferece um ambiente gerenciado para executar aplicativos distribuídos usando o framework Ray, oferecendo escalonabilidade e integração com os serviços do Google Cloud .
Para saber mais sobre o Ray na Gemini Enterprise Agent Platform, consulte Visão geral do Ray na Gemini Enterprise Agent Platform.