Google全托管机器学习平台Vertex AI新功能,供用户在本地端执行程序代码调试

Google机器学习平台Vertex AI现在让用户能使用新的本地端模式(Local Mode),以更简单快速的方式调试,并且添加自动容器化打包(Auto-Container Packaging)功能,简化部署程序代码至云计算的流程。

Vertex AI为一个全托管的机器学习平台,在单一接口提供十多种机器学习工具,供开发者能够快速地构建、部署和扩展机器学习模型。

Google改进了Vertex AI的本地端模式,来强化调试体验。Google提到,调试本质上就是一个重复性的过程,不断地进行小程序代码更改迭代。在Vertex AI Training托管云计算环境中,用户可以启动虚拟机、加载相依项目、截取资料、执行程序代码,并且将工作拆分至各个集群中。

Google提到,在这个流程中,即便是测试简单的程序代码都会产生许多额外成本,同时也减慢调试的过程,而更好的方式是让开发者在提交云计算作业之前,可以先在本地端测试程序代码。Vertex AI Training新的本地端模式,供开发者在小型样本资料集上,进行本地端迭代和测试,不需要等待整个云计算虚拟机生命周期。本地端模式提供了一个在以云计算规模执行程序代码之前,友善且快速的调试方法。

这个新的本地端模式,是通过Docker容器来实现环境的一致性,本地端模式让用户能够使用与云计算工作相似的环境,让程序代码在本地按照预期执行,Google提到,这带来更高的可靠性和可重复性,使得开发者可以更快地对简单的执行时错误进行调试,而不需要承担将工作提交到云计算,等待虚拟机集群生命周期的开销。

一旦用户已经准备好能以云计算规模执行的程序代码,Vertex AI的第二个更新自动容器化打包便派上用场,Google解释,要执行训练应用程序,用户需要上传程序代码以及所有相依项目,这个过程须历经三个步骤,首先,开发者需要在本地端构建Docker容器,接着将容器推送至容器存储库,最后才能创建云计算Vertex AI训练作业。

而借由自动容器化打包功能,可将这三个步骤浓缩成一个指令,因此即便是不熟悉Docker的用户,也可以获得容器化的一致性和可重复性优势。这两项新的Vertex AI训练功能,进一步简化开发者模型训练工作流程,简单来说,本地端模式能快速迭代少量程序代码,抓出执行时错误,自动容器化打包功能则减少将本地Python程序代码部署到云计算的步骤。

发表评论