選擇 Vertex AI 無伺服器訓練方法

如果您要自行編寫訓練程式碼，而不是使用 AutoML}，可以考慮採用幾種 Vertex AI 無伺服器訓練方式。本文簡要概述並比較執行無伺服器訓練的不同方式。

Vertex AI 無伺服器訓練資源

您可以建立三種 Vertex AI 資源，在 Vertex AI 中訓練自訂模型：

建立自訂工作時，請指定 Vertex AI 執行訓練程式碼所需的設定，包括：

在工作站集區中，您可以指定下列設定：

超參數調整工作有其他設定可供設定，例如指標。進一步瞭解超參數調整。

訓練管道會自動調度並管理無伺服器訓練工作或超參數調整工作，並執行額外步驟，例如載入資料集，或在訓練工作順利完成後，將模型上傳至 Vertex AI。

無伺服器訓練資源

如要查看專案中現有的訓練管道，請前往Google Cloud 控制台的「Vertex AI」專區，然後點選「訓練管道」頁面。

前往訓練管線

如要查看專案中現有的自訂工作，請前往「自訂工作」頁面。

前往「自訂工作」

如要查看專案中現有的超參數調整工作，請前往「超參數調整」頁面。

前往「超參數調整」

預先建構的容器和自訂容器

將無伺服器訓練工作、超參數調整工作或訓練管線提交至 Vertex AI 前，您需要建立 Python 訓練應用程式或自訂容器，定義要在 Vertex AI 上執行的訓練程式碼和依附元件。如果您使用 TensorFlow、PyTorch、scikit-learn 或 XGBoost 建立 Python 訓練應用程式，可以使用預先建構的容器執行程式碼。如果不確定要選擇哪個選項，請參閱訓練代碼規定瞭解詳情。

分散式訓練

您可以指定多個工作站集區，為分散式訓練設定無伺服器訓練工作、超參數調整工作或訓練管線：

  • 使用第一個工作站集區設定主要副本，並將副本數量設為 1。
  • 如果機器學習架構支援這些額外的叢集工作，可進行分散式訓練，請新增更多工作站集區，以設定工作站副本、參數伺服器副本或評估工具副本。

進一步瞭解如何使用分散式訓練。

後續步驟