בדף הזה מוסבר איך לאמן מודלים של למידת מכונה (ML) ולהשתמש בהם ב-Agent Platform. ב-Agent Platform יש מגוון שיטות אימון שנועדו לענות על הצרכים שלכם, החל מאימון אוטומטי לחלוטין ועד לאימון בהתאמה אישית מלאה.
- AutoML: פיתוח מודלים באיכות גבוהה במינימום מאמץ טכני, באמצעות יכולות ה-ML האוטומטיות של Google.
- אשכולות אימון ב-Agent Platform: אתם יכולים להריץ את קוד האימון בהתאמה אישית בסביבה מנוהלת על פי דרישה, בלי לדאוג לתשתית.
- אשכולות אימון ב-Agent Platform: הפעלה של משימות אימון בקנה מידה גדול ובביצועים גבוהים באשכול ייעודי של מאיצים ששמורים לשימוש בלעדי שלכם.
- Ray ב-Agent Platform: הרחבה של אפליקציות Python ועומסי עבודה של למידת מכונה באמצעות מסגרת Ray בקוד פתוח בשירות מנוהל.
כדי להחליט באיזו שיטה להשתמש, קראו את המאמר בחירת שיטת אימון.
AutoML
בעזרת AutoML ב-Gemini Enterprise Agent Platform, אתם יכולים ליצור מודל למידת מכונה בלי קוד, על סמך נתוני האימון שאתם מספקים. AutoML יכול לבצע אוטומציה של משימות כמו הכנת נתונים, בחירת מודלים, כוונון היפר-פרמטרים ופריסה של סוגי נתונים ומשימות חיזוי שונות, וכך להפוך את למידת המכונה לנגישה יותר למגוון רחב של משתמשים.
סוגי המודלים שאפשר ליצור באמצעות AutoML
סוגי המודלים שאפשר לבנות תלויים בסוג הנתונים שיש לכם. ב-Gemini Enterprise Agent Platform יש פתרונות AutoML לסוגי הנתונים ולמטרות המודל הבאות:
| סוג נתונים | יעדים נתמכים |
|---|---|
| נתוני תמונה | סיווג, זיהוי אובייקטים. |
| נתונים בטבלה | סיווג/רגרסיה, חיזוי. |
למידע נוסף על AutoML, קראו את סקירה כללית על אימון AutoML.
הרצת קוד אימון בהתאמה אישית ב-Agent Platform
אם AutoML לא עונה על הצרכים שלכם, אתם יכולים לספק קוד אימון משלכם ולהריץ אותו בתשתית המנוהלת של Agent Platform. כך יש לכם שליטה מלאה וגמישות בארכיטקטורה ובלוגיקת האימון של המודל, ואתם יכולים להשתמש בכל מסגרת למידת מכונה שתרצו.
ב-Agent Platform יש שני מצבים עיקריים להרצת קוד אימון בהתאמה אישית: סביבה ללא שרת (serverless) על פי דרישה, או אשכול ייעודי ושמור.
אשכולות אימון ב-Agent Platform
אימון ללא שרת (serverless) הוא שירות שמנוהל במלואו, שמאפשר להריץ את אפליקציית האימון בהתאמה אישית בלי להקצות או לנהל תשתית כלשהי.
אתם אורזים את הקוד בקונטיינר, מגדירים את מפרט המכונה (כולל מעבדי CPU ו-GPU) ושולחים אותו בתור CustomJob.
Agent Platform מטפלת בכל השאר:
- הקצאת משאבי המחשוב למשך זמן העבודה.
- הרצת קוד האימון.
- מחיקת המשאבים אחרי שהמשימה מסתיימת.
המודל הזה, של תשלום לפי שימוש על פי דרישה, מתאים במיוחד לניסויים, ליצירת אב טיפוס מהיר ולמשימות ייצור שלא דורשות קיבולת מובטחת ומיידית.
מידע נוסף זמין במאמר יצירת משימה ייעודית לאימון בלי שרת (serverless).
אשכולות אימון ב-Agent Platform
לאימון בקנה מידה גדול, עם ביצועים גבוהים וקריטיים, אתם יכולים להזמין אשכול ייעודי של מאיצים. כך אתם מקבלים קיבולת מובטחת בלי תורים, והמשימות שלכם מתחילות מיד.
למרות שהשימוש במשאבים האלה הוא בלעדי, Agent Platform עדיין מטפלת בתקורה התפעולית של ניהול האשכול, כולל תחזוקת החומרה והתקנת תיקונים במערכת ההפעלה. הגישה הזו של "שרתים מנוהלים" נותנת לכם את העוצמה של אשכול ייעודי בלי המורכבות של הניהול.
Ray ב-Gemini Enterprise Agent Platform
Ray ב-Gemini Enterprise Agent Platform הוא שירות שמאפשר להשתמש במסגרת Ray בקוד פתוח כדי להרחיב את היקף השימוש באפליקציות AI ו-Python ישירות ב-Agent Platform. Ray נועד לספק את התשתית למחשוב מבוזר ולעיבוד מקביל בתהליך העבודה של למידת המכונה.
Ray ב-Gemini Enterprise Agent Platform מספק סביבה מנוהלת להרצת אפליקציות מבוזרות באמצעות מסגרת Ray, ומציע יכולת התאמה לעומס ושילוב עם שירותי Cloud de Confiance by S3NS .