En los últimos años Google Cloud Platform se ha convertido en una de las plataformas de computación en la nube más demandadas junto con AWS y Azure.
Una de las ventajas que tiene Google Cloud son sus capacidades en machine learning e inteligencia artificial. La unión de la infraestructura que tiene Google, librerías como Tensorflow y los últimos algoritmos desarrollados por las divisiones de investigación de Google hacen que sea una plataforma muy atractiva tanto para desarrollar e implementar modelos de machine learning desde cero como usar modelos prefijados y automatizar la búsqueda de modelos.
Para ello han creado AI Platform, plataforma que facilita los flujos de trabajo de machine learning desde el diseño hasta el despliegue. En la siguiente imagen podemos ver el dashboard de AI Platform con sus principales funciones.

La plataforma permite etiquetar tus datos, incorporar algoritmos y flujos con un solo click con AI Hub, crear bloc de notas con cualquier entorno pre-instalada, crear y entrenar nuevos modelos o entrenar modelos fijados, automatizar la búsqueda de modelos con AutoML y crear pipelines y trabajos que cubran desde el diseño hasta al despliegue.
A continuación vamos a crear un bloc de notas para PyTorch. En la siguiente pantalla vemos como se puede configurar el bloc de notas eligiendo el entorno, el tipo de máquina, el disco, la zona, el área, etc.

Una vez creada la instancia con el bloc de notas, le damos a abrir un Jupyterlab y tenemos la posibilidad de abrir un bloc de Python, la consola de Linux o el terminal de Python.
Abrimos un bloc de Python 3 y creamos e instanciamos un modelo de PyTorch.

Hemos visto que sencillo es crear una instancia con un bloc de notas con PyTorch con las características deseadas de memoria y procesador. En siguientes posts iremos viendo módulos interesantes de Google Cloud AI Platform:
- Iniciación a BigQuery ML.
- AutoML Tables.
- Servicio de entrenamiento.
Deja una respuesta