Questa pagina spiega l'integrazione di PyTorch di Vertex AI e fornisce risorse che mostrano come usare PyTorch su Vertex AI. L'integrazione PyTorch di Vertex AI semplifica l'addestramento, il deployment e l'orchestrazione di modelli PyTorch in produzione.
Esegui codice nei blocchi note
Vertex AI offre due opzioni per eseguire il codice in blocchi note: Colab Enterprise e Vertex AI Workbench. Per saperne di più su queste opzioni, vedi Scegliere una soluzione di blocco note.
Container predefiniti per l'addestramento
Vertex AI fornisce immagini di container Docker predefinite per l'addestramento dei modelli. Questi container sono organizzati in base ai framework di machine learning e alle versioni dei framework e includono dipendenze comuni che si potrebbero utilizzare nel codice di addestramento. Per informazioni su quali versioni di PyTorch dispongono di container di addestramento predefiniti e su come addestrare modelli con un container di addestramento predefinito, consulta Container predefiniti per l'addestramento personalizzato.
Container predefiniti per fornire previsioni
Vertex AI fornisce immagini di container Docker predefinite per eseguire previsioni in batch e online. Questi container sono organizzati in base ai framework di machine learning e alle versioni del framework e includono dipendenze comuni che potrebbero essere utili nel codice di previsione. Per sapere quali versioni di PyTorch dispongono di container di previsione predefiniti e come gestire modelli con un container di previsione predefinito, consulta Container predefiniti per l'addestramento personalizzato.
Addestramento distribuito
Puoi eseguire l'addestramento distribuito dei modelli PyTorch su Vertex AI. Per l'addestramento di più lavoratori, puoi utilizzare Reduction Server per ottimizzare ulteriormente le prestazioni per ridurre del tutto le operazioni collettive. Per scoprire di più sull'addestramento distribuito su Vertex AI, consulta Addestramento distribuito.
Risorse per l'utilizzo di PyTorch su Vertex AI
Per scoprire di più e iniziare a utilizzare PyTorch in Vertex AI, consulta le seguenti risorse:
- Come addestrare e ottimizzare modelli PyTorch su Vertex AI: scopri come utilizzare Vertex AI Training per creare e addestrare un modello di classificazione del testo del sentiment utilizzando PyTorch e Vertex AI Hyperparameter Tuning per ottimizzare gli iperparametri dei modelli PyTorch.
- Come eseguire il deployment di modelli PyTorch su Vertex AI: esplora il deployment di un modello Pytorch utilizzando TorchServe come container personalizzato, eseguendo il deployment degli artefatti del modello in un servizio Vertex AI Prediction.
- Orchestrare i flussi di lavoro PyTorch ML su Vertex AI Pipelines: scopri come creare e orchestrare pipeline ML per l'addestramento e il deployment di modelli PyTorch su Vertex AI in Google Cloud utilizzando Vertex AI Pipelines.
- Scalable ML Workflows utilizzando PyTorch su Kubeflow Pipelines e Vertex Pipelines: dai un'occhiata ad esempi di flussi di lavoro ML basati su PyTorch su Kubeflow Pipelines OSS (parte del progetto Kubeflow) e Vertex AI Pipelines. Condividiamo nuovi componenti integrati di PyTorch aggiunti alle pipeline di Kubeflow.
- Pubblicazione di modelli di immagini PyTorch con container predefiniti su Vertex AI: questo blocco note esegue il deployment di un modello di classificazione delle immagini PyTorch su Vertex AI utilizzando immagini PyTorch predefinite per la pubblicazione.
Passaggi successivi
- Tutorial: usa Vertex AI per addestrare un modello di classificazione delle immagini PyTorch in uno degli ambienti container predefiniti di Vertex AI utilizzando la console Google Cloud.
Per seguire le indicazioni dettagliate per questa attività direttamente nella console Google Cloud, fai clic su Aiuto: