TensorFlow 整合

本頁說明 Vertex AI 的 TensorFlow 整合功能，並提供相關資源，協助您瞭解如何在 Vertex AI 上使用 TensorFlow。Vertex AI 的 TensorFlow 整合功能可讓您更輕鬆地在正式環境中訓練、部署及自動化調度 TensorFlow 模型。

在筆記本中執行程式碼

Vertex AI 提供兩種在筆記本中執行程式碼的選項：Colab Enterprise 和 Vertex AI Workbench。如要進一步瞭解這些選項，請參閱選擇筆記本解決方案。

用於訓練的預先建構容器

Vertex AI 提供預建的 Docker 容器映像檔，用於模型訓練。這些容器是依據機器學習架構和架構版本來分類，其中包含您可能會想在訓練程式碼中使用的常見依附元件。

如要瞭解哪些 TensorFlow 版本有預先建構的訓練容器，以及如何使用預先建構的訓練容器訓練模型，請參閱「用於自訂訓練作業的預先建構容器」。

分散式訓練

您可以在 Vertex AI 上執行 TensorFlow 模型的分散式訓練。對於多工作人員訓練，您可以使用 Reduction Server，進一步最佳化所有縮減集體作業的效能。如要進一步瞭解 Vertex AI 中的分散式訓練，請參閱「分散式訓練」。

用於推論的預先建構容器

與訓練用的預建容器類似，Vertex AI 也提供預建容器映像檔，可從您在 Vertex AI 內外建立的 TensorFlow 模型，提供推論和說明。這些映像檔提供 HTTP 推論伺服器，您可以使用這些伺服器放送推論，且設定作業極為簡單。

如要瞭解哪些 TensorFlow 版本有預先建構的訓練容器，以及如何使用預先建構的訓練容器訓練模型，請參閱「用於自訂訓練作業的預先建構容器」。

最佳化 TensorFlow 執行階段

最佳化 TensorFlow 執行階段採用模型最佳化和 Google 全新專有技術，與 Vertex AI 的標準預建 TensorFlow 推論容器相比，可提升推論速度並降低成本。

整合 TensorFlow Cloud Profiler

透過 Vertex AI 的 TensorFlow Cloud Profiler 整合功能，監控及最佳化訓練作業的效能，以更便宜且快速的方式訓練模型。TensorFlow Cloud Profiler 可協助您瞭解訓練作業的資源消耗情形，找出並解決效能瓶頸。

如要進一步瞭解 Vertex AI TensorFlow Cloud Profiler，請參閱「使用 Profiler 分析模型訓練效能」。

在 Vertex AI 上使用 TensorFlow 的資源

如要進一步瞭解如何在 Vertex AI 中使用 TensorFlow，請參閱下列資源。