- AutoML: Modelle mit minimalem technischem Wissen und Aufwand erstellen und trainieren. Weitere Informationen zu AutoML finden Sie unter Erste Schritte mit AutoML.
- Benutzerdefiniertes Training mit Vertex AI: Mit jedem ML-Framework Modelle im großen Maßstab erstellen und trainieren. Weitere Informationen zum benutzerdefinierten Training in Vertex AI finden Sie in der Übersicht: benutzerdefiniertes Training.
- Ray in Vertex AI: Mit Open-Source-Ray-Code können Sie Programme schreiben und Anwendungen mit minimalen Änderungen in Vertex AI entwickeln.
Hilfe bei der Entscheidung, welche dieser Methoden verwendet werden sollte, finden Sie unter Trainingsmethode auswählen.
AutoML
Mit AutoML in Vertex AI können Sie ein codefreies ML-Modell auf Basis der von Ihnen bereitgestellten Trainingsdaten erstellen. Mit AutoML können Aufgaben wie Datenvorbereitung, Modellauswahl, Hyperparameteroptimierung und Bereitstellung für verschiedene Datentypen und Vorhersageaufgaben automatisiert werden. So wird KI für eine breite Palette von Nutzern zugänglicher.
Modelltypen, die Sie mit AutoML erstellen können
Welche Typen Sie erstellen können, hängt vom Typ der Daten ab. Vertex AI bietet AutoML-Lösungen für die folgenden Datentypen und Modellziele:
| Datentyp | Unterstützte Ziele |
|---|---|
| Bilddaten | Klassifizierung, Objekterkennung. |
| Videodaten | Aktionserkennung, Klassifizierung, Objekt-Tracking |
| Tabellarische Daten | Klassifizierung/Regression, Prognose. |
Weitere Informationen zu AutoML finden Sie unter AutoML-Training – Übersicht.
Benutzerdefiniertes Vertex AI-Training
Wenn keine der AutoML-Lösungen Ihren Anforderungen entspricht, können Sie auch eine eigene Trainingsanwendung erstellen und damit benutzerdefinierte Modelle in Vertex AI trainieren. Sie können ein beliebiges ML-Framework verwenden und die Rechenressourcen konfigurieren, die für das Training verwendet werden sollen. Dazu gehören:
- Typ und Anzahl der VMs
- Grafikprozessoren (GPUs)
- Tensor Processing Units (TPUs)
- Typ und Größe des Bootlaufwerks
Weitere Informationen zum benutzerdefinierten Training in Vertex AI finden Sie in der Übersicht: benutzerdefiniertes Training.
Ray in Vertex AI
Ray on Vertex AI ist ein Dienst, mit dem Sie das Open-Source-Ray-Framework zum Skalieren von KI- und Python-Anwendungen direkt auf der Vertex AI-Plattform verwenden können. Ray wurde entwickelt, um die Infrastruktur für verteiltes Computing und parallele Verarbeitung für Ihren ML-Workflow bereitzustellen.
Ray on Vertex AI bietet eine verwaltete Umgebung für die Ausführung verteilter Anwendungen mit dem Ray-Framework. Sie bietet Skalierbarkeit und Integration mit Google Cloud -Diensten.
Weitere Informationen zu Ray in Vertex AI finden Sie unter Ray in Vertex AI.