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 mit minimalem technischem Aufwand hochwertige Modelle, indem Sie die automatisierten ML-Funktionen von Google nutzen.
- Agent Platform-Trainingscluster: Führen Sie Ihren benutzerdefinierten Trainingscode in einer vollständig verwalteten On-Demand-Umgebung aus, ohne sich um die Infrastruktur kümmern zu müssen.
- Agent Platform-Trainingscluster: Führen Sie umfangreiche, leistungsstarke Trainingsjobs auf einem dedizierten Cluster von Beschleunigern aus, die exklusiv für Sie reserviert sind.
- Ray on Agent Platform: Python-Anwendungen und ML-Arbeitslasten mit dem Open-Source-Ray-Framework in einem verwalteten Dienst skalieren.
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 Datenvorbereitung, Modellauswahl, Hyperparameter-Abstimmung und Bereitstellung für verschiedene Datentypen und Vorhersageaufgaben automatisieren. Dadurch wird ML für eine Vielzahl 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 unter AutoML-Training – Übersicht.
Benutzerdefinierten Trainingscode auf der Agent Platform ausführen
Wenn AutoML Ihre Anforderungen nicht erfüllt, können Sie Ihren eigenen Trainingscode bereitstellen und auf der verwalteten Infrastruktur der Agent Platform ausführen. So haben Sie die volle Kontrolle und Flexibilität über die Architektur und Trainingslogik Ihres Modells und können ein beliebiges ML-Framework verwenden.
Die Agent Platform bietet zwei primäre Modi zum Ausführen Ihres benutzerdefinierten Trainingscodes: eine serverlose On-Demand-Umgebung oder einen dedizierten, reservierten Cluster.
Agent Platform-Trainingscluster
Das serverlose Training ist ein vollständig verwalteter Dienst, mit dem Sie Ihre benutzerdefinierte Trainingsanwendung ausführen können, ohne eine Infrastruktur bereitstellen oder verwalten zu müssen.
Sie verpacken Ihren Code in einem Container, definieren Ihre Maschinenspezifikationen (einschließlich CPUs und GPUs) und reichen ihn als CustomJob ein.
Die Agent Platform erledigt den Rest:
- Bereitstellung der Computing-Ressourcen für die Dauer des Jobs.
- Trainingscode ausführen
- Löschen der Ressourcen nach Abschluss des Jobs.
Dieses On-Demand-Modell mit nutzungsbasierter Bezahlung eignet sich ideal für Tests, schnelles Prototyping und Produktionsjobs, für die keine garantierte, sofortige Kapazität erforderlich ist.
Weitere Informationen finden Sie unter Benutzerdefinierten Job für serverloses Training erstellen.
Agent Platform-Trainingscluster
Für umfangreiches, leistungsstarkes und geschäftskritisches Training können Sie einen dedizierten Cluster von Beschleunigern reservieren. So wird die Kapazität sichergestellt und Warteschlangen werden vermieden, sodass Ihre Jobs sofort gestartet werden.
Obwohl Sie diese Ressourcen exklusiv nutzen, übernimmt die Agent Platform weiterhin den operativen Aufwand für die Verwaltung des Clusters, einschließlich Hardwarewartung und Betriebssystem-Patches. Dieser „verwaltete serverbasierte“ Ansatz bietet Ihnen die Leistung eines dedizierten Clusters ohne die Komplexität der Verwaltung.
Ray auf der Gemini Enterprise Agent Platform
Ray on Gemini Enterprise Agent Platform ist ein Dienst, mit dem Sie das Open-Source-Ray-Framework zur Skalierung 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 („maschinelles Lernen“).
Ray on Gemini Enterprise Agent Platform bietet eine verwaltete Umgebung zum Ausführen verteilter Anwendungen mit dem Ray-Framework. Es bietet Skalierbarkeit und Integration in Dienste von Cloud de Confiance by S3NS .
Weitere Informationen zu Ray auf der Gemini Enterprise Agent Platform finden Sie unter Ray auf der Gemini Enterprise Agent Platform – Übersicht.