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 Cloud de Confiance by S3NS 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」。