Auf dieser Seite erhalten Sie einen Überblick über den Workflow zum Trainieren und Verwenden eigener ML-Modelle (Machine Learning) auf der Agent Platform. Die Agent Platform bietet eine Reihe von Trainingsmethoden, die auf Ihre Anforderungen zugeschnitten sind – von vollständig automatisiert bis vollständig benutzerdefiniert.
- AutoML: Erstellen Sie hochwertige Modelle mit minimalem technischem Aufwand indem Sie die automatisierten ML-Funktionen von Google nutzen.
- Serverloses Training auf der Gemini Enterprise Agent Platform: Führen Sie Ihren benutzerdefinierten Trainingscode in einer vollständig verwalteten On-Demand-Umgebung aus, ohne sich um die Infrastruktur kümmern zu müssen.
- Trainingscluster auf der Gemini Enterprise Agent Platform: Führen Sie umfangreiche, leistungsstarke Trainingsjobs in einem dedizierten Cluster von Beschleunigern aus, der ausschließlich für Sie reserviert ist.
- Ray auf der Agent Platform: Skalieren Sie Python-Anwendungen und ML-Arbeitslasten mit dem Open-Source-Framework Ray in einem verwalteten Dienst.
Hilfe bei der Entscheidung, welche dieser Methoden verwendet werden sollte, finden Sie unter Trainingsmethode auswählen.
AutoML
Mit AutoML auf der Gemini Enterprise Agent Platform können Sie ein codefreies ML-Modell auf Basis der von Ihnen bereitgestellten Trainingsdaten erstellen. AutoML kann Aufgaben wie die Datenvorbereitung, Modellauswahl, Hyperparameter-Optimierung und Bereitstellung für verschiedene Datentypen und Vorhersageaufgaben automatisieren. So wird ML für eine breite Palette von Nutzern zugänglicher.
Modelltypen, die Sie mit AutoML erstellen können
Welche Typen Sie erstellen können, hängt vom Typ der Daten ab. Die Gemini Enterprise Agent Platform bietet AutoML-Lösungen für die folgenden Datentypen und Modellziele:
| Datentyp | Unterstützte Ziele |
|---|---|
| Bilddaten | Klassifizierung, Objekterkennung |
| Tabellarische Daten | Klassifizierung/Regression, Prognose |
Weitere Informationen zu AutoML finden Sie in der Übersicht zum AutoML-Training.
Benutzerdefinierten Trainingscode auf der Agent Platform ausführen
Wenn AutoML Ihre Anforderungen nicht erfüllt, können Sie Ihren eigenen Trainingscode bereitstellen und ihn in der verwalteten Infrastruktur der Agent Platform ausführen. So haben Sie die volle Kontrolle und Flexibilität über die Architektur und Trainingslogik Ihres Modells und können jedes beliebige ML-Framework verwenden.
Die Agent Platform bietet zwei Hauptmodi zum Ausführen Ihres benutzerdefinierten Trainingscodes: eine serverlose On-Demand-Umgebung oder einen dedizierten, reservierten Cluster.
Serverloses Training auf der Gemini Enterprise Agent Platform
Serverloses Training ist ein vollständig verwalteter Dienst, mit dem Sie Ihre benutzerdefinierte Trainingsanwendung ausführen können, ohne Infrastruktur bereitstellen oder verwalten zu müssen.
Sie verpacken Ihren Code in einem Container, definieren Ihre Maschinenspezifikationen (einschließlich CPUs und GPUs) und senden ihn als CustomJob.
Den Rest erledigt die Agent Platform:
- Bereitstellung der Compute-Ressourcen für die Dauer Ihres Jobs.
- Ausführung Ihres Trainingscodes.
- Löschen der Ressourcen nach Abschluss des Jobs.
Dieses nutzungsbasierte On-Demand-Modell ist ideal für Tests, schnelle Prototypenentwicklung und Produktionsjobs, für die keine garantierte, sofortige Kapazität erforderlich ist.
Weitere Informationen finden Sie unter Serverlosen benutzerdefinierten Trainingsjob erstellen.
Trainingscluster auf der Gemini Enterprise Agent Platform
Für umfangreiche, leistungsstarke und geschäftskritische Trainings können Sie einen dedizierten Cluster von Beschleunigern reservieren. So erhalten Sie garantierte Kapazität und vermeiden Warteschlangen, sodass Ihre Jobs sofort gestartet werden.
Sie haben die exklusive Nutzung dieser Ressourcen, aber die Agent Platform übernimmt den Betriebsaufwand für die Verwaltung des Clusters, einschließlich Hardwarewartung und Betriebssystem-Patching. Dieser „verwaltete Server“-Ansatz bietet Ihnen die Leistung eines dedizierten Clusters ohne die Komplexität der Verwaltung.
Ray auf der Gemini Enterprise Agent Platform
Ray auf der Gemini Enterprise Agent Platform ist ein Dienst, mit dem Sie das Open-Source-Framework Ray zum Skalieren von KI- und Python-Anwendungen direkt in der Agent Platform verwenden können. Ray bietet die Infrastruktur für verteiltes Computing und parallele Verarbeitung für Ihren ML-Workflow.
Ray auf der Gemini Enterprise Agent Platform bietet eine verwaltete Umgebung zum Ausführen verteilter Anwendungen mit dem Ray-Framework und bietet Skalierbarkeit und Integration mit Google Cloud anderen Diensten.
Weitere Informationen zu Ray auf der Gemini Enterprise Agent Platform finden Sie unter Übersicht zu Ray auf der Gemini Enterprise Agent Platform.