本頁概略說明在 Agent Platform 訓練及使用自有機器學習 (ML) 模型的工作流程。Agent Platform 提供多種訓練方法，從全自動到完全自訂，滿足您的需求。
- AutoML：運用 Google 的自動化機器學習功能，輕鬆建構高品質模型。
- Agent Platform 訓練叢集：在全代管的隨選環境中執行自訂訓練程式碼，不必擔心基礎架構。
- Agent Platform 訓練叢集：在專屬的加速器叢集上，執行大規模、高效能的訓練工作。
- Ray on Agent Platform：在代管服務中使用開放原始碼 Ray 框架，擴充 Python 應用程式和機器學習工作負載。
如需協助決定要使用哪種方法，請參閱「選擇訓練方法」。
AutoML
Gemini Enterprise Agent Platform 的 AutoML 可讓您根據提供的訓練資料，建構無程式碼機器學習模型。AutoML 可自動執行資料準備、模型選取、超參數調整和部署等工作，適用於各種資料類型和預測工作，讓更多使用者能輕鬆運用機器學習技術。
可使用 AutoML 建構的模型類型
您可以建立的模型類型會因您擁有的資料類型而異。Gemini Enterprise Agent Platform 提供 AutoML 解決方案，適用於下列資料類型和模型目標：
| 資料類型 | 支援的目標 |
|---|---|
| 圖片資料 | 分類、物件偵測。 |
| 表格型資料 | 分類/迴歸、預測。 |
如要進一步瞭解 AutoML，請參閱「AutoML 訓練總覽」。
在 Agent Platform 執行自訂訓練程式碼
如果 AutoML 無法滿足您的需求，您可以提供自己的訓練程式碼，並在 Agent Platform 的代管基礎架構上執行。您可以完全掌控並靈活調整模型架構和訓練邏輯，並使用任何機器學習框架。
Agent Platform 提供兩種主要模式，用於執行自訂訓練程式碼：無伺服器、隨選環境，或專屬、預留叢集。
Agent Platform 訓練叢集
無伺服器訓練是全代管服務，可讓您執行自訂訓練應用程式，不必佈建或管理任何基礎架構。您將程式碼封裝在容器中，定義機器規格 (包括 CPU 和 GPU)，並以 CustomJob 形式提交。
Agent Platform 會處理其餘工作：
- 在工作期間佈建運算資源。
- 執行訓練程式碼。
- 工作完成後刪除資源。
這種隨選付費模式非常適合實驗、快速原型設計，以及不需要保證即時運算資源的正式環境工作。
詳情請參閱「建立無伺服器訓練自訂工作」
Agent Platform 訓練叢集
如要進行大規模、高效能且重要的訓練，可以預留專屬加速器叢集。這項功能可確保容量並消除佇列，確保工作立即啟動。
雖然您獨占這些資源，但 Agent Platform 仍會處理管理叢集的營運負擔，包括硬體維護和 OS 修補。這種「代管伺服器」方法可讓您享有專屬叢集的強大功能，同時免除管理複雜性。
Ray on Gemini Enterprise Agent Platform
Ray on Gemini Enterprise Agent Platform 服務可讓您直接在 Agent Platform 中，使用開放原始碼 Ray 框架擴充 AI 和 Python 應用程式。Ray 旨在為機器學習工作流程提供分散式運算和平行處理的基礎架構。
Ray on Gemini Enterprise Agent Platform 提供代管環境，可使用 Ray 架構執行分散式應用程式，並具備擴充能力，可與 Google Cloud 服務整合。
如要進一步瞭解 Ray on Gemini Enterprise Agent Platform，請參閱「Ray on Gemini Enterprise Agent Platform 簡介」。