Zu Vertex AI migrieren

Vertex AI fasst AI Platform- und AutoML-Dienste unter einer einheitlichen Benutzeroberfläche und API zusammen, um das Erstellen, Trainieren und Bereitstellen von Modellen für maschinelles Lernen zu vereinfachen. Mit Vertex AI können Sie schneller von der Experimentierphase zur Produktion übergehen, Muster und Anomalien effizient erkennen, bessere Vorhersagen und Entscheidungen treffen und bei sich ändernden Prioritäten und Marktbedingungen flexibel bleiben. Auf dieser Seite finden Sie empfohlene Schritte und weitere Informationen für die Planung und Implementierung einer Migration zu Vertex AI.

Vertex AI unterstützt alle in AutoML und AI Platform verfügbaren Features und Modelle. Die Clientbibliotheken bieten jedoch keine Abwärtskompatibilität für die Clientintegration. Wenn Sie von den Features von Vertex AI profitieren möchten, müssen Sie die Migration Ihrer Ressourcen entsprechend planen.

Wenn Sie ein neues Projekt planen, sollten Sie Ihren Code, Job, Dataset oder Ihr Modell mit Vertex AI erstellen. Sie können so die neuen Features und Dienstverbesserungen nutzen. AutoML und AI Platform bleiben verfügbar, aber zukünftige Verbesserungen werden in Vertex AI implementiert.

Führen Sie die folgenden empfohlenen Schritte aus, um vorhandenen Code, Jobs, Datasets und Modelle von AutoML und AI Platform auf Vertex AI zu aktualisieren.

Migration von AutoML

Führen Sie die folgenden Schritte aus, um Ihre Implementierung von AutoML auf Vertex AI zu aktualisieren:

  1. Informationen zu den Hauptunterschieden zwischen AutoML und Vertex AI finden Sie unter Vertex AI für AutoML-Nutzer.

  2. Prüfen Sie mögliche Preisänderungen (siehe Preise für Vertex AI-Migration).

  3. Ermitteln Sie Ihren Bestand an Google Cloud-Projekten, Programmcode, Jobs, Datasets, Modellen und Nutzern mit Zugriff auf AutoML. Bestimmen Sie anhand dieser Informationen, welche Ressourcen migriert werden sollen, und sorgen Sie dafür, dass die richtigen Nutzer Zugriff auf die migrierten Ressourcen haben.

  4. Prüfen Sie die Änderungen an IAM-Rollen und aktualisieren Sie dann die Dienstkonten und die Authentifizierung für Ihre Ressourcen.

  5. Prüfen Sie die Liste der Ressourcen, die Sie nicht migrieren können, und informieren Sie sich über den Migrationsvorgang.

  6. Migrieren Sie Ressourcen mit einer der beiden folgenden Methoden:

  7. Lesen Sie, wie Vertex AI regionale Endpunkte verwendet.

  8. Ermitteln Sie die Nutzung von AutoML APIs, um festzustellen, welche Anwendungen diese verwenden und um die Methodenaufrufe zu identifizieren, die migriert werden sollen.

  9. Aktualisieren Sie Ihre Anwendungen und Workflows, damit sie die Vertex AI API und Vertex AI-Features verwenden.

  10. Planen Sie das Monitoring Ihres Anfragekontingents. Weitere Informationen finden Sie unter Kontingente und Einschränkungen.

Aus AI Platform migrieren

So aktualisieren Sie Ihre Implementierung von AI Platform auf Vertex AI:

  1. Informationen zu den Hauptunterschieden zwischen AI Platform und Vertex AI finden Sie unter Vertex AI for AI Platform-Nutzer.

  2. Prüfen Sie mögliche Preisänderungen (siehe Preise für Vertex AI-Migration).

  3. Ermitteln Sie Ihren Bestand an Google Cloud-Projekten, Programmcode, Jobs, Datasets, Modellen und Nutzern mit Zugriff auf AI Platform (Classic). Bestimmen Sie anhand dieser Informationen, welche Ressourcen migriert werden sollen, und sorgen Sie dafür, dass die richtigen Nutzer Zugriff auf die migrierten Ressourcen haben.

  4. Prüfen Sie die Änderungen an IAM-Rollen und aktualisieren Sie dann die Dienstkonten und die Authentifizierung für Ihre Ressourcen.

  5. Prüfen Sie die Liste der Ressourcen, die Sie nicht migrieren können, und informieren Sie sich über den Migrationsvorgang.

  6. Migrieren Sie Ressourcen mit einer der beiden folgenden Methoden:

  7. Lesen Sie, wie Vertex AI regionale Endpunkte verwendet.

  8. Ermitteln Sie die Nutzung von AI Platform APIs, um festzustellen, welche Anwendungen diese verwenden und um die Methodenaufrufe zu identifizieren, die Sie migrieren möchten.

  9. Aktualisieren Sie Ihre Anwendungen und Workflows, damit sie die Vertex AI API und Vertex AI-Features verwenden.

  10. Planen Sie das Monitoring Ihres Anfragekontingents. Weitere Informationen finden Sie unter Kontingente und Einschränkungen.

Preise für Vertex AI-Migration

Die Migration ist kostenlos. Für Ressourcen, die aufgrund der Migration erstellt werden, fallen Standardgebühren an (siehe Vertex AI-Preise). Für Datasets, die von AI Platform Data Labeling Service, AutoML Vision, AutoML Video Intelligence und AutoML Natural Language zu einem Cloud Storage-Bucket migriert werden, fallen Speicherkosten an. Weitere Informationen finden Sie unter Cloud Storage – Preise.

Nach der Migration stehen Ihre Legacy-Ressourcen weiterhin in AutoML und AI Platform zur Verfügung. Um unnötige Kosten zu vermeiden, sollten Sie nach der Prüfung, ob Ihre Objekte erfolgreich migriert wurden, Legacy-Ressourcen herunterfahren oder löschen.

Die Migration ist ein Kopiervorgang. Nach der Migration einer Ressource haben Änderungen an der Legacy-Ressource keine Auswirkungen auf die migrierte Ressource.

Vertex AI-Preise im Vergleich zu Legacy-Produktpreisen

Die Kosten für Vertex AI bleiben die gleichen wie für die Legacy-Produkte von AI Platform und AutoML, die durch Vertex AI ersetzt werden. Es gibt jedoch folgende Ausnahmen:

  • Legacy-AI Platform Prediction- und -AutoML Tables-Vorhersagen unterstützten kostengünstigere Maschinentypen mit geringerer Leistung, die nicht für Vertex AI Prediction und AutoML Tabular unterstützt werden.

  • Legacy-AI Platform Prediction unterstützt Skalierung auf null, was für Vertex AI Prediction nicht unterstützt wird.

Vertex AI bietet auch weitere Möglichkeiten zur Kostenoptimierung, z. B.:

Verwendung von AutoML APIs und AI Platform APIs ermitteln

Sie können feststellen, welche Ihrer Anwendungen AutoML APIs und AI Platform APIs verwenden und welche Methoden sie nutzen. Ermitteln Sie anhand dieser Informationen, ob diese API-Aufrufe zu Vertex AI migriert werden müssen.

Mit den im Folgenden aufgeführten Optionen können Sie die Aufrufe von AutoML APIs und AI Platform APIs identifizieren, die möglicherweise migriert werden müssen.

Änderungen an IAM-Rollen und -Berechtigungen verwalten

Vertex AI bietet die folgenden IAM-Rollen:

  • aiplatform.admin
  • aiplatform.user
  • aiplatform.viewer
  • aiplatform.migrator

Nur aiplatform.admin und aiplatform.migrator können Ressourcen von AutoML und AI Platform zu Vertex AI migrieren. aiplatform.user und aiplatform.viewer können keine Ressourcen migrieren.

Weitere Informationen zu IAM-Rollen finden Sie unter Zugriffssteuerung.

Ressourcen, die nicht migriert werden können

Mit dem Migrationstool können derzeit nicht alle Ressourcen migriert werden. In einigen Fällen ist damit auch die Migration eingeschränkt. Beachten Sie für die Planung der Migration die im Folgenden aufgeführten Ausnahmen.

AutoML Natural Language

  • PDF-Text wird in Vertex AI nicht unterstützt. Der PDF-Text von AutoML Natural Language wird also als reiner Text durch die optische Zeichenerkennung migriert.

  • Leere Datasets können nicht migriert werden.

  • Batchvorhersagejobs können nicht migriert werden.

AutoML Tables

  • Mit der Alphaversion von AutoML Tables erstellte Modelle können nicht migriert werden.

  • Leere Datasets können nicht migriert werden.

  • Batchvorhersagejobs können nicht migriert werden.

AutoML Video Intelligence

  • Mit der Alphaversion von AutoML Video erstellte Modelle können nicht migriert werden.

  • Leere Datasets können nicht migriert werden.

  • Batchvorhersagejobs können nicht migriert werden.

AutoML Vision

  • Mit der Alphaversion von AutoML Vision erstellte Modelle können nicht migriert werden.

  • Leere Datasets können nicht migriert werden.

  • Batchvorhersagejobs können nicht migriert werden.

AI Platform

  • Nicht alle Modelle können migriert werden. Für die Migration müssen die Modelle folgende Merkmale haben:

    • Die Laufzeitversion muss 1.15 oder höher sein.

    • Es muss eines der folgenden Frameworks vorhanden sein:

      • TensorFlow
      • scikit-learn
      • XGBoost

    • Die Python-Version muss Version 3.7 oder höher sein.

  • Wenn das Flag signature-name eines AI Platform-Modells von dem Standardwert serving_default geändert wurde, wird es möglicherweise zu Vertex AI migriert, funktioniert aber nicht.

  • Benutzerdefinierte Vorhersageroutinen werden nicht migriert.

  • Auf AI Platform ausgeführte Jobs werden nicht migriert. Sie können die Metadaten für sich selbst herunterladen.

  • Die Python-Skripts, Pakete oder Docker-Container, die Sie in AI Platform Training ausführen, können nicht automatisch migriert werden. Sie haben aber die Möglichkeit, Ihre Skripts zu aktualisieren, damit sie auf Vertex AI ausgeführt werden können.

Informationen zum Migrationsvorgang

Beachten Sie für die Migration Ihrer Ressourcen die im Folgenden aufgeführten Informationen.

  • Das Migrationstool erstellt eine Kopie Ihrer Ressourcen.

    Das Migrationstool erstellt eine duplizierte Version der Datasets und Modelle von AutoML und AI Platform auf Vertex AI. Ihre Legacy-Ressourcen werden nicht gelöscht. Sie können bei Bedarf eine Ressource mehrmals migrieren, um davon mehrere Kopien zu erstellen.

  • Migrierte Modelle werden nicht bereitgestellt.

    Für Datentypen, die Onlinevorhersagen unterstützen, müssen Sie einen Endpunkt erstellen und das Modell für diesen Endpunkt bereitstellen, damit das Modell für Onlinevorhersagen verwendet werden kann.

  • Wenn ein AutoML-Modell migriert wird, erstellt das Migrationstool automatisch einen Trainingsjob.

  • Migrierte Datasets für einige Datentypen und Ziele enthalten möglicherweise nicht dieselben Daten wie das aktuelle Dataset.

    Datasets für bestimmte Datentypen werden aus der ursprünglichen Datenquelle reimportiert und nicht aus dem vorhandenen Dataset kopiert. Wenn die ursprüngliche Datenquelle geändert wurde, enthält das migrierte Dataset diese Änderungen. Dies betrifft die folgenden Datentypen und Ziele:

    • Entitätsextraktions-Datasets von AutoML Natural Language
    • Klassifizierungs- und Objekt-Tracking-Datasets von AutoML Video
    • Objekterkennungs-Datasets von AutoML Vision

  • Migrierte tabellarische Datasets werden im Rahmen des Migrationsvorgangs exportiert.

    In Vertex AI wird die Datenquelle eines tabellarischen Datasets referenziert, anstatt importiert zu werden. Weitere Informationen Ein migriertes tabellarisches Dataset wird aus dem AutoML Tables-Dataset exportiert, als CSV-Datei in Cloud Storage oder als BigQuery-Tabelle in Ihrem Projekt gespeichert und dann vom migrierten Dataset referenziert.

Verwenden Sie das Migrationstool.

Vertex AI bietet ein Migrationstool, mit dem Sie Ihre Datasets und Modelle von AutoML und AI Platform zu Vertex AI migrieren können.

Schritte zur Verwendung des Migrationstools

Mit den folgenden Schritten migrieren Sie Ihre Datasets und Modelle zu Vertex AI.

  1. Falls Sie die Vertex AI API noch nicht aktiviert haben, klicken Sie auf der Seite Vertex AI-Dashboard in der Google Cloud Console auf Vertex AI API aktivieren.

  2. Klicken Sie auf der Seite „Vertex AI Dashboard“ der Google Cloud Console unter Migrate to Vertex AI auf Migration einrichten

  3. Wählen Sie unter Ressourcen zum Migrieren auswählen bis zu 50 Assets für die Migration aus. Bei Bedarf können Sie diese Schritte zur Migration weiterer Assets wiederholen.

  4. Klicken Sie auf Weiter und prüfen Sie die Zusammenfassung der Assets, die Sie migrieren möchten.

  5. Klicken Sie auf Assets migrieren. Die Migration kann je nach Anzahl der zu migrierenden Assets eine Stunde oder länger dauern. Wenn die Migration abgeschlossen ist, wird vom Migrationstool eine E-Mail gesendet.

Clientbibliotheken und Methoden zum Migrieren von Ressourcen verwenden

Verwenden Sie die Methode batchMigrateResources() und zugehörige Methoden, um Ihre Ressourcen zu migrieren.

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI API.

Regionale Endpunkte

Vertex AI API-Endpunkte sind regional. Beispiel:

us-central1-aiplatform.googleapis.com

Globale Endpunkte werden für Vertex AI nicht unterstützt.

Weitere Informationen finden Sie unter die Liste der unterstützten Endpunkte in der Referenzdokumentation.

Trainingsskripts zur Ausführung in Vertex AI aktualisieren

Die Python-Skripts, Pakete oder Docker-Container, die Sie in AI Platform Training ausführen, erfordern die folgenden spezifischen Änderungen, die in Vertex AI ausgeführt werden.

  • Bei Jobs, die Ausgaben in Cloud Storage schreiben, müssen Sie in Vertex AI den Cloud Storage-URI für verschiedene Ausgabetypen über Umgebungsvariablen angeben. In AI Platform wird der Cloud Storage-URI mit dem Befehlszeilenargument --job-dir festgelegt.

  • In Vertex AI verwendet die Variable TF_CONFIG den Begriff chief, um auf die primäre Maschine zu verweisen. Bei AI Platform wird in einigen Fällen der Begriff master verwendet.

  • Geben Sie beim Senden eines benutzerdefinierten Trainingsjobs in Vertex AI den Artifact Registry-URI eines vorkonfigurierten Containers an, der Ihrem Framework und Ihrer Framework-Version entspricht. Bei AI Platform geben Sie eine Laufzeitversion an, die das Framework und die Framework-Version enthält, die Sie verwenden möchten.

  • Nicht alle von AI Platform unterstützten Maschinentypen werden von Vertex AI unterstützt.

Nächste Schritte