Die Cloud ML Engine ist ein Teil der Google Cloud AI Platform, die es Entwicklern ermöglicht, Machine-Learning-Modelle auf großem Maßstab zu trainieren, zu hosten und vorherzusagen. In diesem Artikel werden die wichtigsten Funktionen und Komponenten der Cloud ML Engine vorgestellt.
Die Cloud ML Engine passt in den ML-Workflow wie folgt:
Die Cloud ML Engine besteht aus drei Hauptkomponenten:
Der Training Service ermöglicht es, Modelle mit verschiedenen Anpassungsoptionen zu trainieren. Dazu gehören die Auswahl von verschiedenen Maschinentypen, die Aktivierung von verteilter Ausführung, die Verwendung von Hyperparameter-Tuning und die Beschleunigung mit GPUs und TPUs.
Der Prediction Service ermöglicht es, Vorhersagen auf Basis eines trainierten Modells zu machen, egal ob das Modell auf der Cloud ML Engine trainiert wurde oder nicht.
Der Data Labeling Service (beta) ermöglicht es, menschliche Bezeichnungen für ein Dataset anzufordern, das für die Ausbildung eines benutzerdefinierten Machine-Learning-Modells verwendet werden soll.
Es gibt verschiedene Tools, die verwendet werden können, um mit der Cloud ML Engine zu interagieren:
Die Google Cloud Console bietet eine grafische Benutzeroberfläche, um die Cloud ML Engine zu verwalten.
Die Google Cloud CLI ermöglicht es, die Cloud ML Engine über die Kommandozeile zu verwalten.
Die REST API ermöglicht es, die Cloud ML Engine über eine Programmierschnittstelle zu verwalten.
Vertex AI Workbench bietet eine umfassende Entwicklungsumgebung für Machine-Learning-Modelle.
Die Deep Learning VM bietet eine vorbereitete virtuelle Maschine für die Ausführung von Deep-Learning-Anwendungen.
Die Cloud ML Engine ist ein leistungsfähiges Tool für die Ausbildung und Bereitstellung von Machine-Learning-Modellen. Mit ihren verschiedenen Komponenten und Tools bietet sie eine umfassende Lösung für die gesamte ML-Workflow.
* KI-Zusammenfassungen können Fehler enthalten. Alle Angaben ohne Gewähr.