MLOps with Vertex AI 教程
2024-08-31 12:45:39作者:胡易黎Nicole
1、项目介绍
MLOps with Vertex AI 是一个端到端的机器学习操作(MLOps)示例项目,使用 Google Cloud 的 Vertex AI 平台和 Smart Analytics 技术能力。该项目使用 Keras 实现机器学习模型,TFX 实现训练管道,并通过 Model Builder SDK 与 Vertex AI 进行交互。
2、项目快速启动
环境设置
-
启动 AI Notebook 实例:
- 在 Google Cloud 上启动一个 AI Notebook 实例。
- 打开 JupyterLab,然后打开一个新的终端。
-
克隆仓库:
git clone https://github.com/GoogleCloudPlatform/mlops-with-vertex-ai.git cd mlops-with-vertex-ai
-
安装所需的 Python 包:
pip install tfx==1.2.0
运行示例
-
数据集管理:
- 打开
01-dataset-management.ipynb
笔记本并运行所有单元。
- 打开
-
实验:
- 打开
02-experimentation.ipynb
笔记本并运行所有单元。
- 打开
-
训练规范化:
- 打开
03-training-formalization.ipynb
笔记本并运行所有单元。
- 打开
-
管道部署:
- 打开
04-pipeline-deployment.ipynb
笔记本并运行所有单元。
- 打开
-
持续训练:
- 打开
05-continuous-training.ipynb
笔记本并运行所有单元。
- 打开
-
模型部署:
- 打开
06-model-deployment.ipynb
笔记本并运行所有单元。
- 打开
-
预测服务:
- 打开
07-prediction-serving.ipynb
笔记本并运行所有单元。
- 打开
-
模型监控:
- 打开
08-model-monitoring.ipynb
笔记本并运行所有单元。
- 打开
3、应用案例和最佳实践
应用案例
- 自动化机器学习管道:通过 TFX 和 Vertex AI,实现从数据处理到模型部署的全自动化流程。
- 模型监控和维护:利用 Vertex AI 的模型监控功能,确保模型在生产环境中的性能和稳定性。
最佳实践
- 模块化设计:将 MLOps 流程分解为多个模块,便于管理和维护。
- 持续集成和持续部署(CI/CD):通过自动化工具实现模型的持续训练和部署。
- 团队协作:利用 Vertex AI 的协作工具,促进 AI 团队之间的沟通和合作。
4、典型生态项目
- TensorFlow Extended (TFX):用于构建和维护生产级机器学习管道的开源平台。
- Keras:高级神经网络 API,用于快速实验和模型构建。
- Google Cloud BigQuery:用于大规模数据分析的完全托管式数据仓库。
- Google Cloud Storage (GCS):用于存储和访问数据的对象存储服务。
通过这些生态项目的集成,MLOps with Vertex AI 提供了一个全面的解决方案,帮助用户在 Google Cloud 上实现高效的机器学习操作。
热门项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
热门内容推荐
展开
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K