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

VertexAI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VertexAI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VertexAITraining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。VertexAITraining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，VertexAI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VertexAI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VertexAI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。