Vertex AI：AutoML 与自定义模型训练

Vertex AI 提供了两种主要的机器学习模型训练和部署方法：AutoML 和自定义训练。本指南将概述这两种方法，并重点介绍它们的优势和用例。无论您是初学者还是经验丰富的数据科学家，Vertex AI 都提供了简化您机器学习工作流程的工具。

AutoML（自动化机器学习）简化了创建和训练机器学习模型的过程。它所需的专业技术知识和工作量最少，允许用户在不编写代码的情况下构建模型。AutoML 利用您的训练数据来学习如何对新的、未见过的数据进行预测。对于那些希望快速部署模型而无需深入技术知识的用户来说，这是一个理想的解决方案。

AutoML 可用于分析图像数据，执行各种任务，包括图像分类和对象检测。图像分类模型对图像进行分类，而对象检测模型则识别并定位图像中的对象。Vertex AI 支持基于图像的模型的在线和批量预测，以满足不同的应用需求。在线预测适用于实时应用，而批量预测则适用于处理大型数据集。

Vertex AI 使您能够通过简化的流程对表格数据进行机器学习。您可以创建二元分类模型（预测两种结果中的一种）、多类别分类模型（从多个选项中预测一个类别）、回归模型（预测连续值）和预测模型（预测一系列值）。这些模型可用于各种应用，例如预测客户行为或预测产品需求。

请注意，截至 2024 年 9 月 15 日，Vertex AI AutoML 模型在文本分类、实体提取和情感分析方面的定制功能将逐步淘汰，转而使用 Vertex AI Gemini。虽然现有的 AutoML 文本模型将继续运行至 2025 年 6 月 15 日，但将不再支持新的训练或更新。用于文本数据的 AutoML 支持文本分类、实体提取和情感分析等任务。请考虑迁移到 Vertex AI Gemini 以获得增强的功能。

AutoML 可以分析视频数据，用于动作识别、视频分类和对象跟踪。动作识别模型识别视频中的动作，而分类模型则对视频内容进行分类。对象跟踪模型检测并跟踪视频中的对象。这些功能对于体育分析和视频监控等应用非常有价值。

如果 AutoML 不能满足您的特定需求，Vertex AI 允许您创建自定义训练应用程序。这种方法提供了更大的灵活性，允许您使用任何机器学习框架并配置计算资源，包括虚拟机类型、GPU 和 TPU。自定义训练是处理复杂模型和专业化需求的理想选择。

在 AutoML 和自定义训练之间做出选择取决于您项目的需求和您的技术专业水平。AutoML 适用于快速部署和编码经验有限的用户。自定义训练为复杂项目和经验丰富的数据科学家提供了更多的控制和灵活性。在做出决定时，请考虑模型的复杂性、定制化需求以及可用资源。Vertex AI 提供了全面的文档和教程，指导您完成这两种方法。