Questa pagina spiega l'integrazione di PyTorch di Gemini Enterprise Agent Platform e fornisce risorse che mostrano come utilizzare PyTorch su Gemini Enterprise Agent Platform. L'integrazione di PyTorch in Gemini Enterprise Agent Platform semplifica l'addestramento, il deployment e l'orchestrazione dei modelli PyTorch in produzione.
Eseguire il codice nei notebook
Agent Platform offre due opzioni per l'esecuzione del codice nei notebook: Colab Enterprise e Vertex AI Workbench. Per scoprire di più su queste opzioni, consulta la sezione Scegliere una soluzione per i notebook.
Container predefiniti per l'addestramento
Gemini Enterprise Agent Platform fornisce immagini di container Docker predefinite per l'addestramento dei modelli. Questi container sono organizzati per framework di machine learning e versioni del framework e includono dipendenze comuni che potresti voler utilizzare nel codice di addestramento. Per scoprire quali versioni di PyTorch hanno container di addestramento predefiniti e come addestrare modelli con un container di addestramento predefinito, consulta Container predefiniti per l'addestramento personalizzato.
Container predefiniti per la pubblicazione di inferenze
Gemini Enterprise Agent Platform fornisce immagini container Docker predefinite per la gestione di inferenze batch e online. Questi container sono organizzati per framework di machine learning e versioni del framework e includono dipendenze comuni che potresti voler utilizzare nel codice di inferenza. Per scoprire quali versioni di PyTorch hanno container di inferenza predefiniti e come erogare modelli con un container di inferenza predefinito, consulta Container predefiniti per l'addestramento personalizzato.
Addestramento distribuito
Puoi eseguire l'addestramento distribuito dei modelli PyTorch su Gemini Enterprise Agent Platform. Per l'addestramento multi-worker, puoi utilizzare il server di riduzione per ottimizzare ulteriormente le prestazioni per le operazioni collettive di riduzione. Per scoprire di più sull'addestramento distribuito su Gemini Enterprise Agent Platform, consulta Addestramento distribuito.
Risorse per l'utilizzo di PyTorch su Gemini Enterprise Agent Platform
Per saperne di più e iniziare a utilizzare PyTorch in Gemini Enterprise Agent Platform, consulta le seguenti risorse:
- Come addestrare e ottimizzare i modelli PyTorch su Gemini Enterprise Agent Platform: Scopri come utilizzare Gemini Enterprise Agent Platform Training per creare e addestrare un modello di classificazione del testo del sentiment utilizzando PyTorch e Gemini Enterprise Agent Platform Hyperparameter Tuning per ottimizzare gli iperparametri dei modelli PyTorch.
- Come eseguire il deployment di modelli PyTorch su Gemini Enterprise Agent Platform: Scopri come eseguire il deployment di un modello PyTorch utilizzando TorchServe come container personalizzato, eseguendo il deployment degli artefatti del modello in un servizio Vertex AI Inference.
- Orchestrazione dei workflow di ML PyTorch su Agent Platform Pipelines: scopri come creare e orchestrare pipeline di ML per l'addestramento e il deployment di modelli PyTorch su Google Cloud Gemini Enterprise Agent Platform utilizzando Agent Platform Pipelines.
- Scalable ML Workflows using PyTorch on Kubeflow Pipelines and Vertex Pipelines: dai un'occhiata agli esempi di flussi di lavoro ML basati su PyTorch su Kubeflow Pipelines OSS (parte del progetto Kubeflow) e Agent Platform Pipelines. Condividiamo i nuovi componenti integrati di PyTorch aggiunti a Kubeflow Pipelines.
- Serving di modelli di immagini PyTorch con container predefiniti su Agent Platform: Questo notebook esegue il deployment di un modello di classificazione delle immagini PyTorch su Agent Platform utilizzando immagini di serving PyTorch predefinite.
Passaggi successivi
- Tutorial: utilizza Gemini Enterprise Agent Platform per addestrare un modello di classificazione delle immagini PyTorch in uno degli ambienti container predefiniti di Gemini Enterprise Agent Platform utilizzando la console Google Cloud .