Questa pagina spiega l'integrazione di PyTorch di Vertex AI e fornisce risorse che mostrano come utilizzare PyTorch su Vertex AI. L'integrazione di PyTorch in Vertex AI semplifica l'addestramento, il deployment e l'orchestrazione dei modelli PyTorch in produzione.
Eseguire il codice nei notebook
Vertex AI offre due opzioni per l'esecuzione del codice nei notebook: Colab Enterprise e Vertex AI Workbench. Per scoprire di più su queste opzioni, consulta Scegliere una soluzione per i notebook.
Container predefiniti per l'addestramento
Vertex AI fornisce immagini container Docker predefinite per l'addestramento del modello. 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 i modelli con un container di addestramento predefinito, consulta Container predefiniti per l'addestramento personalizzato.
Container predefiniti per la pubblicazione di inferenze
Vertex AI 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 pubblicare 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 Vertex AI. Per l'addestramento multi-worker, puoi utilizzare Reduction Server per ottimizzare ulteriormente il rendimento per tutte le operazioni collettive di riduzione. Per saperne di più sull'addestramento distribuito su Vertex AI, consulta Addestramento distribuito.
Risorse per l'utilizzo di PyTorch su Vertex AI
Per scoprire di più e iniziare a utilizzare PyTorch in Vertex AI, consulta le seguenti risorse:
- Come addestrare e ottimizzare i modelli PyTorch su Vertex AI: scopri come utilizzare Vertex AI Training per creare e addestrare un modello di classificazione del testo del sentiment utilizzando PyTorch e Vertex AI Hyperparameter Tuning per ottimizzare gli iperparametri dei modelli PyTorch.
- Come eseguire il deployment di modelli PyTorch su Vertex AI: 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 flussi di lavoro di ML PyTorch su Vertex AI Pipelines: scopri come creare e orchestrare pipeline ML per l'addestramento e il deployment di modelli PyTorch su Google Cloud Vertex AI utilizzando Vertex AI 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 OSS Kubeflow Pipelines (parte del progetto Kubeflow) e Vertex AI Pipelines. Condividiamo nuovi componenti PyTorch integrati aggiunti a Kubeflow Pipelines.
- Serving di modelli di immagini PyTorch con container predefiniti su Vertex AI: questo blocco note esegue il deployment di un modello di classificazione delle immagini PyTorch su Vertex AI utilizzando immagini di serving PyTorch predefinite.
Passaggi successivi
- Tutorial: utilizza Vertex AI per addestrare un modello di classificazione delle immagini PyTorch in uno degli ambienti container predefiniti di Vertex AI utilizzando la console Google Cloud .
Per seguire le indicazioni dettagliate per questa attività direttamente nella Google Cloud console, fai clic su Procedura guidata: