Introduzione alle istanze Vertex AI Workbench

Le istanze Vertex AI Workbench sono ambienti di sviluppo Jupyter basati su blocchi note per l'intero flusso di lavoro di data science. Puoi interagire con Vertex AI e altri servizi Google Cloud dal blocco note Jupyter di un'istanza di Vertex AI Workbench.

Le integrazioni e le funzionalità di Vertex AI Workbench semplificano l'accesso ai dati, l'elaborazione più rapida dei dati, la pianificazione delle esecuzioni dei blocchi note e altro ancora.

Le istanze Vertex AI Workbench sono preinstallate JupyterLab e hanno una suite preinstallata di pacchetti di deep learning, incluso il supporto per i framework TensorFlow e PyTorch. Puoi configurare istanze solo CPU o abilitate per GPU.

Le istanze di Vertex AI Workbench supportano la capacità di sincronizzazione con un repository GitHub. Le istanze di Vertex AI Workbench sono protette dall'autenticazione e dall'autorizzazione di Google Cloud.

Accesso ai dati

Puoi accedere ai tuoi dati senza uscire dall'interfaccia utente di JupyterLab.

Nel menu di navigazione di JupyterLab in un'istanza di Vertex AI Workbench, puoi utilizzare l'integrazione di Cloud Storage per sfogliare dati e altri file a cui hai accesso. Vedi Accedere a bucket e file di Cloud Storage dall'interno di JupyterLab.

Puoi utilizzare l'integrazione di BigQuery anche per sfogliare le tabelle a cui hai accesso, scrivere query, visualizzare l'anteprima dei risultati e caricare dati nel blocco note. Consulta Eseguire query sui dati nelle tabelle BigQuery da JupyterLab.

Esegui esecuzioni blocco note

Utilizza l'esecutore per eseguire un file blocco note come esecuzione una tantum o in base a una pianificazione. Scegli l'ambiente e l'hardware specifici su cui eseguire l'esecuzione. Il codice del blocco note verrà eseguito sull'addestramento personalizzato di Vertex AI, che semplifica l'addestramento distribuito, l'ottimizzazione degli iperparametri o la pianificazione di job di addestramento continuo.

Puoi utilizzare i parametri nell'esecuzione per apportare modifiche specifiche a ogni esecuzione. Ad esempio, potresti specificare un set di dati diverso da utilizzare, modificare il tasso di apprendimento sul modello o modificare la versione del modello.

Puoi anche impostare un blocco note in modo che venga eseguito in base a una pianificazione ricorrente. Anche quando l'istanza è arrestata, Vertex AI Workbench eseguirà il file blocco note e salverà i risultati per consentirti di esaminarli e condividerli con altri.

Condividere informazioni

Le esecuzioni di blocchi note eseguite sono archiviate in un bucket Cloud Storage, così puoi condividere gli insight con altri concedendo l'accesso ai risultati. Consulta la sezione precedente sull'esecuzione delle esecuzioni di blocchi note.

Proteggi l'istanza

Puoi eseguire il deployment dell'istanza Vertex AI Workbench con la rete predefinita gestita da Google, che utilizza una rete VPC e una subnet predefinite. Invece della rete predefinita, puoi specificare una rete VPC da utilizzare con l'istanza.

Per impostazione predefinita, Google Cloud cripta automaticamente i dati quando sono at-rest utilizzando chiavi di crittografia gestite da Google. Se hai requisiti normativi o di conformità specifici relativi alle chiavi per la protezione dei dati, puoi utilizzare le chiavi di crittografia gestite dal cliente (CMEK) con le tue istanze Vertex AI Workbench. Per ulteriori informazioni, consulta Chiavi di crittografia gestite dal cliente.

Arresto automatico per le istanze inattive

Per gestire i costi, le istanze Vertex AI Workbench vengono arrestate per impostazione predefinita dopo essere state inattive per un periodo di tempo specifico. Puoi modificare il periodo di tempo o disattivare questa funzionalità. Per ulteriori informazioni, consulta Chiusura per inattività.

Aggiungi ambienti Conda

Le istanze Vertex AI Workbench utilizzano kernel basati sugli ambienti conda. Puoi aggiungere un ambiente conda alla tua istanza di Vertex AI Workbench, in modo che l'ambiente venga visualizzato come kernel nell'interfaccia JupyterLab della tua istanza.

L'aggiunta di ambienti conda consente di utilizzare kernel non disponibili nell'istanza predefinita di Vertex AI Workbench. Ad esempio, puoi aggiungere ambienti conda per R e Apache Beam. In alternativa, puoi aggiungere ambienti conda per versioni precedenti specifiche dei framework disponibili, come TensorFlow, PyTorch o Python.

Per maggiori informazioni, consulta Aggiungere un ambiente conda.

Integrazione di Dataproc

Per elaborare i dati rapidamente, esegui un blocco note su un cluster Dataproc. Dopo aver configurato il cluster, puoi eseguire un file blocco note senza uscire dall'interfaccia utente di JupyterLab. Per ulteriori informazioni, consulta Creare un'istanza compatibile con Dataproc.

Limitazioni

Considera le seguenti limitazioni delle istanze Vertex AI Workbench quando pianifichi il tuo progetto:

  • Le estensioni JupyterLab di terze parti non sono supportate.

  • Quando utilizzi Gestore contesto accesso e BeyondCorp Enterprise per proteggere le istanze Vertex AI Workbench con controlli di accesso sensibili al contesto, l'accesso viene valutato ogni volta che l'utente si autentica all'istanza. Ad esempio, l'accesso viene valutato la prima volta che l'utente accede a JupyterLab e ogni volta che vi accede successivamente se il cookie del browser web è scaduto.

  • L'utilizzo di container personalizzati con istanze di Vertex AI Workbench non è supportato. Aggiungi invece un ambiente Conda all'istanza.

  • Sebbene sia possibile utilizzare immagini di macchine virtuali (VM) personalizzate o Deep Learning VM personalizzate con istanze Vertex AI Workbench, Vertex AI Workbench non offre alcun supporto per comportamenti imprevisti o malfunzionamenti sulle immagini personalizzate.

  • L'utilizzo di un'immagine di blocchi note gestiti dall'utente o di blocchi note gestiti per creare un'istanza di Vertex AI Workbench non è supportato.

  • Non puoi modificare la VM sottostante di un'istanza di Vertex AI Workbench utilizzando la console Google Cloud o l'API Compute Engine. Per modificare la VM sottostante di un'istanza Vertex AI Workbench, utilizza il metodo projects.locations.instances.patch nell'API Notebooks o il comando gcloud workbench instances update in Google Cloud SDK.

  • Nelle istanze che utilizzano Controlli di servizio VPC, l'uso dell'executor non è supportato.

  • La modifica dei tag di rete delle istanze Vertex AI Workbench non è supportata.

  • Per utilizzare gli acceleratori con le istanze di Vertex AI Workbench, il tipo di acceleratore desiderato deve essere disponibile nella zona dell'istanza. Per scoprire di più sulla disponibilità dell'acceleratore per zona, consulta Disponibilità delle regioni e delle zone GPU.

Passaggi successivi