首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

我可以使用GCP仅用于训练,但使用我自己的AI机器进行预测吗?

是的,您可以使用GCP(Google Cloud Platform)仅用于训练,并使用您自己的AI机器进行预测。

GCP是由Google提供的一套云计算服务,它提供了丰富的工具和平台,用于开发、部署和管理各种应用程序。在GCP上,您可以使用各种服务来训练和部署自己的AI模型。

对于训练阶段,您可以使用GCP的机器学习服务,如Google Cloud AI Platform,它提供了强大的机器学习工具和资源,包括预训练模型、自动化的超参数调整、分布式训练等。您可以使用这些服务来训练您的AI模型,并利用GCP的弹性计算资源来加速训练过程。

一旦您的模型训练完成,您可以将模型导出并部署到您自己的AI机器上进行预测。这样做的好处是,您可以在本地环境中使用自己的硬件资源进行预测,从而更好地控制成本和性能。您可以使用各种编程语言和框架来集成您的AI模型,并根据需要进行预测。

总结起来,使用GCP进行训练可以充分利用其丰富的机器学习工具和计算资源,而使用自己的AI机器进行预测可以提供更好的成本控制和性能优化。这种组合可以满足您在AI开发过程中的不同需求。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

GCP 上的人工智能实用指南:第一、二部分

将模型用于预测 建立并评估模型后,GCP 将提供一个简单的界面,用于使用模型进行预测。 在这种情况下,该模型已准备好根据输入数据中的关键字对各种类别的文档进行分类。...使用语音文本 API 执行语音文本转换 GCP 提供了一个非常有效且易于使用的 API,用于语音到文本的转换。 尽管界面简单直观,但下方仍存在深度神经网络,可不断训练并丰富语音到文本模型。...Cloud ML Engine(或 AI 平台)提供可以单独使用或一起使用的训练和预测服务。 训练和预测服务现在称为 ML Engine 中的 AI 平台训练和 AI 平台预测。...六、使用 DialogFlow 的智能对话应用 人工智能(AI)不断改变着我们搜索和处理事物的方式,而聊天机器人是人们渴望摆脱自己不想做的事情的真实例证。 通过他们自己。...来电者:这个月有什么新来的?我的书店的智能体:这个月我们有三个新来的人。 您想来接下一本书吗?来电者:是的。 我想明天来接。我的书店智能体:可以。 你明天想什么时间来?来电者:上午 10 点。

17.2K10

GCP 上的人工智能实用指南:第三、四部分

Cloud ML Engine 为训练工作提供了有限的自定义,例如使用特定的机器类型进行训练。 原始的一组机器类型只能用于内置算法。 我们还可以定义需要运行作业的区域。...机器学习模型预测是一个迭代过程,需要对模型的多个版本进行训练。 AI 平台将模型引用为特定机器学习管道的各种版本的容器。 模型可以包含管道的各种版本,并且特定版本可以由 API 调用。...简而言之,云管理着基础架构和机器学习框架的高层抽象,可以轻松地用于训练或使用您的机器学习模型。...可以使用不同类型的计算实例进行运行预测。 维护模型及其版本 Google Cloud AI 平台可让您将机器学习解决方案组织为模型和版本。...因此,模型版本或仅一个版本是存储在 AI 平台模型服务中的机器学习解决方案的实例。 您可以通过将经过训练的串行模型(作为保存的模型)传输到服务来制作版本。

6.9K10
  • 《Scikit-Learn、Keras与TensorFlow机器学习实用指南(第二版)》第19章 规模化训练和部署TensorFlow模型

    使用预测服务 在底层,AI Platform就是运行TF Serving,所以原理上,如果知道要查询的url,可以使用之前的代码。就是有一个问题:GCP还负责加密和认证。...使用Distribution Strategies API做规模训练 许多模型都可以用单一GPU或CPU来训练。但如果训练太慢,可以将其分布到同一台机器上的多个GPU上。...如果加不了GPU,也使不了TPU(例如,TPU没有提升,或你想使用自己的硬件架构),则你可以尝试在多台服务器上训练,每台都有多个GPU(如果这还不成,最后一种方法是添加并行模型,但需要更多尝试)。...可以在自己的机器上安装SDK,或在GCP上使用Google Cloud Shell。这是可以在浏览器中使用的终端;运行在免费的Linux VM(Debian)上,SDK已经安装配置好了。...在多台服务器上训练模型时,可以使用什么分布策略?如何进行选择? 训练模型(或任意模型),部署到TF Serving或Google Cloud AI Platform上。

    6.7K20

    Google AutoML图像分类模型 | 使用指南

    那么,现在让我们获取ground truth标签来对算法进行训练吧。首先创建图片分类作业,我们可以借助wao.ai来迅速完成此操作,你可以通过下方视频链接了解该过程。...创建项目后,我们可以使用顶部的侧边栏或搜索栏导航到Google AutoML。你可能需要启用一些API并设置好结算功能,GCP会引导你完成该过程。 ?...格式化输入数据 现在我们将自己的数据放入Google Cloud Platform。所有数据都必须位于GCP存储桶中。因为我们的数据集太大,所以浏览器界面无法正常工作。...训练云模型 导航到“训练(TRAIN)”选项卡,然后单击“开始训练(START TRAINING)”。我使用了所有的默认选项。 ? ? ?...云模型公开了一个易于使用的API,你可以在其中上传一个简单的JSON对象并接收到一组带有返回概率的预测。对我来说,这是简单且完美的集成API。 ? 我们还可以直接在浏览器中使用API并检查结果。

    2.8K20

    数据科学,机器学习和人工智能有什么区别?

    当我介绍自己时,经常会被人问到诸如“机器学习和xx有何区别?”或“你在使用人工智能吗?”等问题。...机器学习产生预测 机器学习主要用于预测:“如给定具有特定特征的实例X,预测Y”。...尽管高层管理人员可能会用使用这些图表的分析结论来改变销售策略,但这种行动不是自动进行的。所以这种情况你只能把它描述为数据科学,如果你说我们在“使用AI来提高我们的销售额,这是弄拧了。...我们需要分别从这三个领域获取能力: 机器学习:汽车必须使用摄像头识别停车标识。我们构建了包含数百万街头物体照片的数据集,并对算法进行了训练,以预测哪些物体中有停止标识。...我们意识到我们的大多数训练数据仅包含白天的,因此我们构建了包含夜间图像的数据集并重复机器学习步骤。

    65250

    2022 年了,PyTorch 和 TensorFlow 你选哪个?

    TensorFlow Hub: TensorFlow Hub 是一个经过训练的机器学习模型库,可以进行微调,让用户只需几行代码就能使用像 BERT 这样的模型。...Vertex AI: Vertex AI 是 Google Cloud 今年刚刚发布的统一机器学习平台,旨在统一 GCP、AI Platform 和 AutoML,成为一个平台。...TensorFlow.js: TensorFlow.js 是一个用于机器学习的 JavaScript 库,允许用户使用 Node.js 在浏览器和服务器端训练和部署模型。...Cloud: TensorFlow Cloud 是一个可以将本地环境连接到 Google Cloud 的库,它的 API 旨在弥补本地机器上模型构建和调试与 GCP 上分布式训练和超参数调整之间的差距,...将深度学习应用于创造性用例来打破常规,或者通过端到端的项目表明自己已做好迎接行业的准备,都能让自己处于不败之地。 因此,建议使用可以让你工作更轻松的任何框架,这比熟悉特定框架的 API 重要得多。

    1.2K20

    ChatGPT 背后的经济账

    ChatGPT(一个使用LLM的聊天机器人,它可以生成高质量的答案,以回答类似于搜索的查询)的“病毒性”传播已经引发了许多关于搜索领域潜在影响的思考,其中一个就是LLM如今的经济可行性: 一位声称是谷歌员工的人在...2 重温LLM工作原理 尽管后续章节的技术性更强,但这篇文章对机器学习熟悉程度不做要求,即使不熟悉这方面内容的人也可以放心阅读。为了说明LLM的特殊之处,现做一个简要复习。...基于参数数量和token数量,我们构建了一个用于估算计算成本的框架,虽然稍作修改,但同样适用于此: 每个token的训练成本通常约为6N(而推理成本约为2N),其中N是LLM的参数数量[20] 假设在训练过程中...1750亿参数模型的GPT-3是在3000亿token上进行训练的。谷歌使用了GCP TPU v4芯片来训练PaLM模型,若我们现在也像谷歌那样做,那么如今的训练成本仅为140万美元左右。...目前使用英伟达H100 GPU训练GPT-3的成本 展望未来,我们预测,随着硬件设计的不断创新,硬件成本和能效将逐步改进。

    44820

    「LSTM之父」 Jürgen Schmidhuber访谈:畅想人类和 AI 共处的世界 | WAIC 2019

    Schmidhuber 教授的语言风格也温文尔雅,不疾不徐,娓娓道来。 提问:有人把 LSTM 网络称作「机器学习界的 AK-47」,因为它简单,而且可以用于很多不同的任务。您知道这个说法吗?...因为人们知道亚马逊之类的大公司会做这样的事情、会存储语音,所以他们会担心、会犹豫。我自己就不使用谷歌的语音识别,即便它就是基于 LSTM 的;不过使用它的人也有很多。...这样你就全自动地在模型网络内得到了一个有自我符号的、能自我表示的子网络。刚才我说控制器可以用预测模型做未来的规划、得到更高的回报。在这个过程中,都可以激发网络内表示它自己的子网络,来考虑自己。...这样的规律适用于人类,也同样适用于机器人。 提问:机器人会有个性吗?他们的个性来自哪里? Schmidhuber:机器人的个性来自训练数据,训练数据不同,个性就不同。...但小孩是有父母的,父母要帮助管理自己的小孩,防止他们沉迷于电脑游戏、社交网络、毒品等等。不过长期来看,很多人都会从AI受益,或者已经从AI受益了。

    78420

    为什么开发者应该尝试预测性AI

    每个人都在尝试使用生成式人工智能 (Gen AI),但根据Cloudflare开发者平台和AI产品副总裁的说法,开发者应该考虑将其他形式的机器学习整合到他们的应用程序中。...她建议,预测性AI是开发者应该探索的另一个选择。预测性AI使用机器学习算法来识别过去事件中的模式,并对未来事件进行预测。它用于欺诈检测、信用风险评估、需求预测,甚至疾病诊断等任务。...预测性AI依赖于推理AI,这是使用训练好的模型对新数据生成预测的特定行为。她说,运行推理AI实际上需要的资源比运行训练工作负载要少。...“如果你想利用一些非常棒的开源模型,或者是你自己训练的模型……你又回到了必须配置虚拟机,并真正考虑我将获得的峰值容量是什么,或者我将获得的峰值负载是什么,并围绕该峰值负载配置容量。”...“你正在减慢自己的速度,因为你必须考虑所有这些事情并进行管理,并设置负载平衡、路由等等,而不是做最初促使你使用AI的事情,那就是你想尽快进入市场,并通过将AI集成到你的应用程序中获得竞争优势,”她说。

    9510

    使用GCP开发带有强化学习功能的Roguelike游戏

    例如,OpenAI Gym [1]提供了一个训练RL模型以充当Atari游戏中的玩家的框架,许多问扎根都描述了将RL用于机器人技术。但是,一个通常讨论不足的领域是应用RL方法来改善人们的主观体验。...通过GCP实现全局化RL训练 全局AI模型使用所有玩家收集的游戏数据进行训练,当玩家还没有玩过游戏时,全局AI模型作为基础RL模型。...新玩家在第一次开始游戏时将获得全局化RL模型的本地副本,这将在他们玩游戏时根据自己的游戏风格进行调整,而他们的游戏数据将用于进一步增强全局AI模型,供未来的新玩家使用。 ?...图2所示的架构概述了如何收集数据以及如何更新和分发全局模型。使用GCP是因为他们的免费使用产品最适合收集和存储游戏数据的模型训练[4]。...我们使用免费GCP架构的组件收集所有玩家的游戏会话数据,从而创建全局RL模型。虽然玩家开始游戏时使用的是全局RL模式,但他们的个人体验会创造一个定制的局部RL模式,以更好地适应自己的游戏风格。

    1.2K10

    Facebook、微软、谷歌三大研究巨头齐聚首,共同探讨人工智能发展现状和趋势

    我的直觉是,大脑中很大一部分相当于预测机器,它训练自己去预测它所能预测的一切 (从观测中预测出未观测到的变量,例如通过过去和现在预测未来)。...但事实上,我们至少遗漏了两件事:(1)可以推理的机器,而不仅仅是感知和分类,(2)机器可以通过观察世界来学习,而不需要人类策划的训练数据,不需要与世界进行太多次交互。...将其应用于对象识别、语音识别、翻译(结合强化学习思想)等的准确率不断提高。然而,AI 是一个宽广的领域,有着大量有前途的分支学科——并且 AI 的机器学习分支也还有着大量的分支。...有其他系统检查输入和输出系统吗; 采取什么语言与系统通信?能问系统正在做什么吗; 我能给它一些建议吗?如果它出错了,我只能给它成千上万个新的训练案例吗?...无监督学习需要面临的挑战:学习世界的层次化表征,以理解变化的解释因素。如何在不完全可预测的世界中进行预测,这是机器需要学习的。

    84150

    Facebook、微软、谷歌三大研究巨头齐聚首,共同探讨人工智能发展现状和趋势

    AI 研习社选取部分内容,编译整理如下。 Q:现在,为了让 AI 在围棋中战胜人类选手,或者使用深度学习解决特定的科学任务,我们投入了很多人力物力。取得的成就虽然很棒,但 AI 能解决的问题极其有限。...我的直觉是,大脑中很大一部分相当于预测机器,它训练自己去预测它所能预测的一切 (从观测中预测出未观测到的变量,例如通过过去和现在预测未来)。...但事实上,我们至少遗漏了两件事:(1)可以推理的机器,而不仅仅是感知和分类,(2)机器可以通过观察世界来学习,而不需要人类策划的训练数据,不需要与世界进行太多次交互。...有其他系统检查输入和输出系统吗; 采取什么语言与系统通信?能问系统正在做什么吗; 我能给它一些建议吗?如果它出错了,我只能给它成千上万个新的训练案例吗?...无监督学习需要面临的挑战:学习世界的层次化表征,以理解变化的解释因素。如何在不完全可预测的世界中进行预测,这是机器需要学习的。

    70270

    Python Web 深度学习实用指南:第三部分

    或之前注册时确实创建了任何项目,则其中一个项目将显示在标记的区域中(fast-ai-exploration 和 gcp-api 是我在 GCP 上创建的两个项目)。...GCP 配备了各种工具,可在这里中找到。 鼓励您看一下,并就自己的兴趣进行探索。 GCP 为我们提供了广泛的 API,可用于各种任务,包括深度学习。...AI 的聊天机器人的方向发展。...它由最新的神经机器翻译提供支持,可以将其视为深度学习和机器翻译的结合。 Cloud Translation API 提供了用于使用预训练模型和构建可用于生产环境的自定义模型的编程接口。...除以255可对数据集进行归一化,从而在0和1之间的图像数组中呈现值。 训练 CNTK 模型 创建模型后,我们现在可以继续训练模型并使其学习预测。

    15.1K10

    在TPU上运行PyTorch的技巧总结

    github存储库将数据和代码从我的本地机器传输到GCP虚拟机,然后再返回。...对于多核训练,PyTorch/XLA使用它自己的并行类。...直接在jupyter笔记本上运行的DataParallel代码对我来说非常不稳定。它可能运行一段时间,但随后会抛出系统错误、内核崩溃。运行它作为一个脚本似乎是稳定的,所以我们使用以下命令进行转换 !...当然,它不适用于需要跟踪梯度的张量,并且由于迁移到CPU而导致自身速度降低。 性能比较 我的Kaggle比赛队友Yuval Reina非常同意分享他的机器配置和训练速度,以便在本节中进行比较。...由于竞争仍在进行中,我们没有透露Yuval使用的体系结构,但其大小与resnet50并没有太大差异。但是请注意,由于我们没有运行相同的架构,因此比较是不公平的。

    2.8K10

    当Git和Git-LFS无法解决机器学习复现问题时,是时候祭出DVC了

    而当训练结束时,你可能无法复现用该训练数据训练的模型,因为训练数据集将以未知方式发生改变。如果没有软件系统记录某次的数据集状态,那么有什么机制可以记录这一切呢? Git-LFS 是解决方案吗?...我仿佛还能听到机器学习团队说「听起来很棒,开始吧」。它能够处理数千兆字节的文件,加快远程存储库的出库速度,并使用同样舒适的工作流。这肯定符合标准了,对吧?...相比使用第三方 Git 托管服务,你可能更愿意自己托管 Git 服务。例如,Gogs 是一个功能强大的 Git 服务器,你可以轻松地在自己的硬件上运行,但它没有内置的 Git-LFS 支持。...另一个问题是,在运行基于云的 AI 软件时,通常需要将数据文件放置在云存储系统(AWS、GCP 等)上。...使用 Git-LFS 后,你的机器学习团队可以更好地控制数据,因为它现在是版本控制的。这是否意味着问题已解决? 先前我们说过「关键问题是训练数据」,但这是一个小谎言。

    2.1K30

    如何构建产品化机器学习系统?

    这篇博文的部分内容是基于Coursera和GCP(谷歌云平台)关于构建生产机器学习系统的课程。下面,我将列出构建可伸缩机器学习系统时需要考虑的一些问题: 扩展模型培训和服务流程。...但并不是所有人都拥有这些大公司所拥有的资源。也就是说,让我们来看看如何构建我们自己的生产ML系统。...Apache Beam可以用于批处理和流处理,因此同样的管道可以用于处理批处理数据(在培训期间)和预测期间的流数据。...使用这两种服务,用户不必担心提供实例来扩展培训过程,他们还支持托管模型服务。要创建自己的分布式培训系统,请参见下面的—— 分布式训练——TensorFlow支持多种分布式训练策略。...这适用于提前知道输入的应用程序,例如预测房价、离线生成建议等。还可以使用预测API;然而,只加载模型并进行预测更便宜、更快、更简单。

    2.2K30

    关于机器学习你要了解的 5 件事

    fast.ai的Rachel Thomas最近写了一篇关于如何以及为什么创建良好的验证集的文章,并介绍了以下3类数据: 用于训练给定模型的训练集 用于在模型之间进行选择的验证集 (例如,随机森林和神经网络哪个更好地解决了您的问题...因此,将数据随机拆分为测试、训练和验证集一定是个好主意吗?事实证明,答案是否定的。雷切尔在时间序列数据的文中解答了此问题:Kaggle目前正努力解决预测厄瓜多尔杂货店销售量的预测问题。...然后,通过对其他算法的预测,对合并算法进行训练,以得到最终的预测。这种组合可以是任何集成技术,但逻辑回归往往被认为是一个来执行这一组合最充分和最简单的算法。...随着分类的进行,堆叠也可以在非监督学习任务(如密度估计)中使用。 5.谷歌Colab? 最后,让我们来看看一些更实用的东西。...例如,TensorFlow就属于这一类,但Keras不是;但通过pip安装Keras仅需要几秒钟的时间。

    45720

    Google发布强化学习框架SEED RL

    actor通常在CPU上运行,并且在环境中采取的步骤与对模型进行推断之间进行迭代,以预测下一个动作。...在这种架构中,learner使用来自数百台机器上的分布式推理的输入在GPU上训练模型。...learner可以扩展到数千个核心(例如,在Cloud TPU上最多2048个),actor的数量可以扩展到数千台机器,以充分利用learner,从而可以以每秒数百万帧的速度进行训练。...使用AI平台进行分布式训练 第一步是配置GCP和一个将用于培训的Cloud项目: 按照https://cloud.google.com/sdk/install上的说明安装Cloud SDK,并设置您的GCP...在您的shell脚本中进行云身份验证,以便SEED脚本可以使用您的项目: gcloud auth login gcloud config set project [YOUR_PROJECT] gcp/train

    1.6K20

    数据科学、机器学习、人工智能,都有哪些区别?

    无论他们使用什么,目标都是为了更好地理解他们的数据。 机器学习做出预测 我认为机器学习是关于预测的领域:“给定具有特定特征的实例X,预测Y”。...几乎所有的Kaggle比赛都可以被认定为机器学习问题:他们提供一些训练数据,然后查看参赛者是否可以对新例子做出准确的预测。 数据科学和机器学习之间有很多重叠。...(很多重要的机器学习所取得的突破来自于数据分析,而这些数据在AI领域的其他领域很少出现。) 这意味着,如果你能把一个问题描述为“从Y中预测X”,我建议你完全避免使用“人工智能”这个词。...我们意识到我们大多数训练数据仅都是大白天下的停车标志,所以我们构建了一个更好的数据集,包括夜间图片然后在返回去进行机器学习步骤。...此处我提及到“机器人”是指用于解释自然语言并以同样方式回复的系统。这可以与用于提取数据的文本挖掘和用于分类文档的文本分类相区分。

    79890

    今年的海德堡论坛,Raj Reddy、Sanjeev Arora、LeCun 与 Bengio 都讲了些什么?

    目前我们还不清楚最底层发生了什么,所以我认为,如果仅使用成本函数来推理深度网络,可能是错误的,我们需要更多地了解黑箱内部所发生的事情。理想情况下,我们为此需要一个更广泛的关于训练算法的隐式偏见的理论。...因为训练算法、架构和成本函数组合在一起,才带来了我们所看到的结果。我们并未掌握完整的理论,但这种理论是十分重要的,因为当前我们使用深度学习的主要方式是在无标签数据的情况下训练模型,然后泛化到其他任务。...一种是关于使用训练、算法、架构和成本函数;另一种是将机器学习理解为创建一个模型。...机器学习并不仅仅是获取数据、跑代码、使用 scikit-learn、做一些预测,要关心我们真正在做的是什么。 Yoshua Bengio:我非常同意 Shakir 和 Sanjeev 的观点。...Shannon Vallor:我认为有必要考虑一下,当我们还不能将 AI 用于所有事情的时候,我们要使用 AI 来优先解决什么问题?气候危机的加速速度比预期的要快,影响正变得比预期的更严重。

    18820
    领券