Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Auf dieser Seite wird die PyTorch-Einbindung von Vertex AI erläutert. Außerdem erfahren Sie, wie Sie PyTorch auf Vertex AI verwenden. Die PyTorch-Integration von Vertex AI erleichtert das Trainieren, Bereitstellen und Orchestrieren von PyTorch-Modellen in der Produktion.
Code in Notebooks ausführen
Vertex AI bietet zwei Optionen zum Ausführen Ihres Codes in Notebooks: Colab Enterprise und Vertex AI Workbench.
Weitere Informationen zu diesen Optionen finden Sie unter Notebooklösung auswählen.
Vordefinierte Container für das Training
Vertex AI bietet vordefinierte Docker-Container-Images für das Modelltraining.
Diese Container sind nach Frameworks für maschinelles Lernen und Framework-Versionen organisiert und enthalten allgemeine Abhängigkeiten, die Sie in Ihrem Trainingscode verwenden können. Informationen darüber, welche PyTorch-Versionen vordefinierte Trainingscontainern umfassen und über das Trainieren von Modellen mit einem vordefinierten Trainingscontainer finden Sie unter Vordefinierte Container für benutzerdefiniertes Training.
Vordefinierte Container für die Vorhersagenbereitstellung
Vertex AI bietet vordefinierte Docker-Container-Images für die Bereitstellung von Batch- und Onlinevorhersagen.
Diese Container sind nach Frameworks für maschinelles Lernen und Framework-Versionen organisiert und enthalten allgemeine Abhängigkeiten, die Sie in Ihrem Vorhersagecode verwenden können. Informationen darüber, welche PyTorch-Versionen vordefinierte Vorhersagecontainer haben und wie Modelle mit einem vordefinierten Vorhersagecontainer bereitgestellt werden, finden Sie unter Vordefinierte Container für benutzerdefiniertes Training.
Verteiltes Training
Sie können das verteilte Training von PyTorch-Modellen auf Vertex AI verwenden. Beim Multi-Worker-Training können Sie mit dem Reduzierungsserver die Leistung für kollektive Vorgänge noch weiter optimieren. Weitere Informationen zum verteilten Training in Vertex AI finden Sie unter Verteiltes Training.
Ressourcen für die Verwendung von PyTorch in Vertex AI
Weitere Informationen, darunter zur Verwendung von PyTorch in Vertex AI, finden Sie in folgenden Ressourcen:
Anleitung: Vertex AI zum Trainieren eines PyTorch-Bildklassifizierungsmodells in einer der vordefinierten Vertex AI-Containerumgebungen mithilfe der Google Cloud Console verwenden.
Klicken Sie auf Anleitung, um eine detaillierte Anleitung für diese Aufgabe direkt in der Google Cloud Console aufzurufen.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-07 (UTC)."],[],[],null,["# PyTorch integration\n\n| To see an example of PyTorch integration,\n| run the \"Training, tuning and deploying a PyTorch text sentiment classification model\" notebook in one of the following\n| environments:\n|\n| [Open in Colab](https://colab.research.google.com/github/GoogleCloudPlatform/vertex-ai-samples/blob/main/notebooks/official/training/pytorch-text-sentiment-classification-custom-train-deploy.ipynb)\n|\n|\n| \\|\n|\n| [Open in Colab Enterprise](https://console.cloud.google.com/vertex-ai/colab/import/https%3A%2F%2Fraw.githubusercontent.com%2FGoogleCloudPlatform%2Fvertex-ai-samples%2Fmain%2Fnotebooks%2Fofficial%2Ftraining%2Fpytorch-text-sentiment-classification-custom-train-deploy.ipynb)\n|\n|\n| \\|\n|\n| [Open\n| in Vertex AI Workbench](https://console.cloud.google.com/vertex-ai/workbench/deploy-notebook?download_url=https%3A%2F%2Fraw.githubusercontent.com%2FGoogleCloudPlatform%2Fvertex-ai-samples%2Fmain%2Fnotebooks%2Fofficial%2Ftraining%2Fpytorch-text-sentiment-classification-custom-train-deploy.ipynb)\n|\n|\n| \\|\n|\n[View on GitHub](https://github.com/GoogleCloudPlatform/vertex-ai-samples/blob/main/notebooks/official/training/pytorch-text-sentiment-classification-custom-train-deploy.ipynb) \n\nThis page explains Vertex AI's PyTorch integration and provides resources\nthat show you how to use PyTorch on Vertex AI. Vertex AI's PyTorch\nintegration makes it easier for you to train, deploy, and orchestrate PyTorch\nmodels in production.\n\nRun code in notebooks\n---------------------\n\nVertex AI provides two options for running your code in\nnotebooks, Colab Enterprise and Vertex AI Workbench.\nTo learn more about these options, see\n[choose a notebook solution](/vertex-ai/docs/workbench/notebook-solution).\n\nPrebuilt containers for training\n--------------------------------\n\nVertex AI provides prebuilt Docker container images for model training.\nThese containers are organized by machine learning frameworks and framework\nversions and include common dependencies that you might want to use in your\ntraining code. To learn about which PyTorch versions have prebuilt training\ncontainers and how to train models with a prebuilt training container, see\n[Prebuilt containers for custom training](/vertex-ai/docs/training/pre-built-containers#pytorch).\n\nPrebuilt containers for serving inferences\n------------------------------------------\n\nVertex AI provides prebuilt Docker container images for serving both\nbatch and online inferences.\nThese containers are organized by machine learning frameworks and framework\nversions and include common dependencies that you might want to use in your\ninference code. To learn about which PyTorch versions have prebuilt inference\ncontainers and how to serve models with a prebuilt inference container, see\n[Prebuilt containers for custom training](/vertex-ai/docs/predictions/pre-built-containers).\n\nDistributed training\n--------------------\n\nYou can run distributed training of PyTorch models on Vertex AI. For\nmulti-worker training, you can use Reduction Server to optimize performance\neven further for all-reduce collective operations. To learn more about\ndistributed training on Vertex AI, see\n[Distributed training](/vertex-ai/docs/training/distributed-training).\n\nResources for using PyTorch on Vertex AI\n----------------------------------------\n\nTo learn more and start using PyTorch in Vertex AI, see the following\nresources:\n\n- [How to train and tune PyTorch models on Vertex AI](https://cloud.google.com/blog/topics/developers-practitioners/pytorch-google-cloud-how-train-and-tune-pytorch-models-vertex-ai): Learn how to use [Vertex AI Training](/vertex-ai/docs/training/overview) to build and train a sentiment text classification model using PyTorch and [Vertex AI Hyperparameter Tuning](/vertex-ai/docs/training/using-hyperparameter-tuning) to tune hyperparameters of PyTorch models.\n- [How to deploy PyTorch models on Vertex AI](https://cloud.google.com/blog/topics/developers-practitioners/pytorch-google-cloud-how-deploy-pytorch-models-vertex-ai): Walk through the deployment of a Pytorch model using [TorchServe](https://pytorch.org/serve/) as a custom container, by deploying the model artifacts to a [Vertex AI Inference](/vertex-ai/docs/predictions/overview) service.\n- [Orchestrating PyTorch ML Workflows on Vertex AI Pipelines](https://cloud.google.com/blog/topics/developers-practitioners/orchestrating-pytorch-ml-workflows-vertex-ai-pipelines): See how to build and orchestrate ML pipelines for training and deploying PyTorch models on Google Cloud Vertex AI using [Vertex AI Pipelines](/vertex-ai/docs/pipelines/introduction).\n- [Scalable ML Workflows using PyTorch on Kubeflow Pipelines and Vertex Pipelines](https://cloud.google.com/blog/topics/developers-practitioners/scalable-ml-workflows-using-pytorch-kubeflow-pipelines-and-vertex-pipelines): Take a look at examples of [PyTorch](https://pytorch.org/)-based ML workflows on OSS [Kubeflow Pipelines](https://www.kubeflow.org/docs/components/pipelines/), (part of the Kubeflow project) and [Vertex AI Pipelines](/vertex-ai/docs/pipelines). We share [new PyTorch built-in components](https://github.com/kubeflow/pipelines/tree/master/components/PyTorch/pytorch-kfp-components) added to the Kubeflow Pipelines.\n- [Serving PyTorch image models with prebuilt containers on\n Vertex AI](https://github.com/GoogleCloudPlatform/vertex-ai-samples/blob/main/notebooks/official/prediction/pytorch_image_classification_with_prebuilt_serving_containers.ipynb): This notebook deploys a PyTorch image classification model on Vertex AI using prebuilt PyTorch serving images.\n\nWhat's next\n-----------\n\n- Tutorial: Use Vertex AI to train a PyTorch image classification model in one of Vertex AI's prebuilt container environments by using the Google Cloud console.\n\n *** ** * ** ***\n\n To follow step-by-step guidance for this task directly in the\n Google Cloud console, click **Guide me**:\n\n [Guide me](https://console.cloud.google.com/freetrial?redirectPath=/?walkthrough_id=vertex-pytorch-custom-training)\n\n *** ** * ** ***"]]
