בדף הזה מוסבר על השילוב של TensorFlow ב-Gemini Enterprise Agent Platform, ומוצגים מקורות מידע שמסבירים איך להשתמש ב-TensorFlow ב-Gemini Enterprise Agent Platform. השילוב של TensorFlow ב-Gemini Enterprise Agent Platform מאפשר לכם לאמן, לפרוס ולתזמר מודלים של TensorFlow בסביבת הייצור בקלות רבה יותר.
הרצת קוד ב-notebooks
פלטפורמת הסוכנים מספקת שתי אפשרויות להרצת הקוד ב-notebooks: Colab Enterprise ו-Gemini Enterprise Agent Platform Workbench. מידע נוסף על האפשרויות האלה זמין במאמר בחירת פתרון למחברת.
מאגרי תגים מוכנים מראש לאימון
Gemini Enterprise Agent Platform מספק קובצי אימג' לקונטיינרים של Docker שנוצרו מראש לצורך אימון מודלים. המאגדים האלה מאורגנים לפי מסגרות למידת מכונה וגרסאות של מסגרות, והם כוללים תלות נפוצות שאולי תרצו להשתמש בהן בקוד ההדרכה.
במאמר קונטיינרים מוכנים מראש לאימון בהתאמה אישית מוסבר אילו גרסאות של TensorFlow כוללות קונטיינרים מוכנים מראש לאימון, ואיך לאמן מודלים באמצעות קונטיינר מוכן מראש לאימון.
אימון מבוזר
אתם יכולים להריץ אימון מבוזר של מודלים של TensorFlow ב-Gemini Enterprise Agent Platform. באימון עם כמה תהליכי worker, אפשר להשתמש בשרת לצמצום כדי לשפר עוד יותר את הביצועים של פעולות צמצום קולקטיביות. מידע נוסף על אימון מבוזר ב-Gemini Enterprise Agent Platform זמין במאמר בנושא אימון מבוזר.
קונטיינרים מוכנים מראש להסקת מסקנות
בדומה לקונטיינרים מוכנים מראש לאימון, Gemini Enterprise Agent Platform מספקת תמונות קונטיינר מוכנות מראש להצגת מסקנות והסברים ממודלים של TensorFlow שיצרתם בתוך Gemini Enterprise Agent Platform או מחוצה לה. התמונות האלה מספקות שרתי היסק של HTTP שאפשר להשתמש בהם כדי להציג היסקים עם מינימום הגדרות.
במאמר קונטיינרים מוכנים מראש לאימון בהתאמה אישית מוסבר אילו גרסאות של TensorFlow כוללות קונטיינרים מוכנים מראש לאימון, ואיך לאמן מודלים באמצעות קונטיינר מוכן מראש לאימון.
זמן ריצה אופטימלי של TensorFlow
זמן הריצה האופטימלי של TensorFlow משתמש באופטימיזציות של מודלים ובטכנולוגיות קנייניות חדשות של Google כדי לשפר את המהירות ולהפחית את העלות של מסקנות בהשוואה למאגרי מסקנות סטנדרטיים מוכנים מראש של Gemini Enterprise Agent Platform עבור TensorFlow.
שילוב של TensorFlow Cloud Profiler
אתם יכולים לאמן מודלים בצורה זולה ומהירה יותר באמצעות מעקב אחרי הביצועים של משימת האימון ואופטימיזציה שלהם, באמצעות השילוב של TensorFlow Cloud Profiler ב-Gemini Enterprise Agent Platform. TensorFlow Cloud Profiler עוזר לכם להבין את צריכת המשאבים של פעולות האימון, כדי שתוכלו לזהות ולסלק צווארי בקבוק בביצועים.
מידע נוסף על Agent Platform TensorFlow Cloud Profiler זמין במאמר Profile model training performance using Profiler.
מקורות מידע לשימוש ב-TensorFlow ב-Gemini Enterprise Agent Platform
מידע נוסף על השימוש ב-TensorFlow ב-Gemini Enterprise Agent Platform זמין במקורות המידע הבאים.
מאב טיפוס לייצור: סדרת סרטונים שכוללת דוגמה מקצה לקצה לפיתוח ולפריסה של מודל TensorFlow בהתאמה אישית ב-Gemini Enterprise Agent Platform.
אופטימיזציה של ביצועי ההדרכה באמצעות Reduction Server ב-Gemini Enterprise Agent Platform: פוסט בבלוג בנושא אופטימיזציה של הדרכה מבוזרת ב-Gemini Enterprise Agent Platform באמצעות Reduction Server.
איך מייעלים את ביצועי האימון באמצעות TensorFlow Cloud Profiler ב-Gemini Enterprise Agent Platform: בפוסט בבלוג מוסבר איך לזהות צווארי בקבוק בביצועים במשימת האימון באמצעות TensorFlow Cloud Profiler ב-Gemini Enterprise Agent Platform.
חיזוי באצווה של מודל בהתאמה אישית עם סינון תכונות: מדריך מחברת שמראה איך להשתמש ב-Agent Platform SDK ל-Python כדי לאמן מודל סיווג טבלאי בהתאמה אישית ולבצע הסקה באצווה עם סינון תכונות.
צינורות עיבוד נתונים של Agent Platform: אימון בהתאמה אישית באמצעות Google Cloudרכיבי צינור עיבוד נתונים מוכנים מראש: מדריך ל-Notebook שמראה איך להשתמש בצינורות עיבוד נתונים של Gemini Enterprise Agent Platform עם Google Cloud רכיבי צינור עיבוד נתונים מוכנים מראש לאימון בהתאמה אישית.
אירוח משותף של מודלים של TensorFlow באותה מכונה וירטואלית לצורך חיזויים: ב-Codelab הזה נסביר איך להשתמש בתכונת האירוח המשותף במודל ב-Gemini Enterprise Agent Platform כדי לארח כמה מודלים באותה מכונה וירטואלית לצורך הסקת מסקנות אונליין.