Pubblica LLM scalabili su GKE con TorchServe

Questo tutorial mostra come eseguire il deployment e pubblicare un modello di machine learning (ML) scalabile in un cluster Google Kubernetes Engine (GKE) utilizzando il framework TorchServe. Pubblichi un modello PyTorch preaddestrato che genera previsioni in base alle richieste degli utenti. Dopo aver eseguito il deployment del modello, ricevi un URL di previsione che la tua applicazione utilizza per inviare richieste di previsione. Questo metodo consente di scalare il modello e l'applicazione web in modo indipendente. Quando esegui il deployment del workload e dell'applicazione ML su Autopilot, GKE sceglie il tipo e le dimensioni di macchina sottostanti più efficienti per eseguire i workload.

Questo tutorial è rivolto a ingegneri di machine learning (ML), amministratori e operatori di piattaforme e specialisti di dati e AI interessati a utilizzare GKE Autopilot per ridurre il sovraccarico amministrativo per la configurazione, lo scaling e gli upgrade dei nodi. Per scoprire di più sui ruoli comuni e sulle attività di esempio a cui facciamo riferimento nei contenuti di Google Cloud , consulta la pagina Ruoli e attività comuni degli utenti GKE.

Prima di leggere questa pagina, assicurati di conoscere la modalità Autopilot di GKE.

Informazioni sull'applicazione del tutorial

L'applicazione è una piccola applicazione web Python creata utilizzando il framework Fast Dash. Utilizzi l'applicazione per inviare richieste di previsione al modello T5. Questa applicazione acquisisce gli input di testo e le coppie di lingue dell'utente e invia le informazioni al modello. Il modello traduce il testo e restituisce il risultato all'applicazione, che lo mostra all'utente. Per saperne di più su Fast Dash, consulta la documentazione di Fast Dash.

Obiettivi

  • Prepara un modello T5 preaddestrato dal repository Hugging Face per la pubblicazione, pacchettizzandolo come immagine container ed eseguendo il push in Artifact Registry.
  • Esegui il deployment del modello in un cluster Autopilot
  • Esegui il deployment dell'applicazione Fast Dash che comunica con il modello
  • Scalare automaticamente il modello in base alle metriche di Prometheus

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il calcolatore prezzi.

I nuovi utenti di Google Cloud potrebbero avere diritto a una prova senza costi.

Al termine delle attività descritte in questo documento, puoi evitare l'addebito di ulteriori costi eliminando le risorse che hai creato. Per ulteriori informazioni, vedi Pulizia.

Prima di iniziare

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. Install the Google Cloud CLI.

  3. Se utilizzi un provider di identità (IdP) esterno, devi prima accedere alla gcloud CLI con la tua identità federata.

  4. Per inizializzare gcloud CLI, esegui questo comando: 

    gcloud init

  5. Create or select a Google Cloud project.

    • Create a Google Cloud project:

      gcloud projects create PROJECT_ID

      Replace PROJECT_ID with a name for the Google Cloud project you are creating.

    • Select the Google Cloud project that you created:

      gcloud config set project PROJECT_ID

      Replace PROJECT_ID with your Google Cloud project name.

  6. Verify that billing is enabled for your Google Cloud project.

  7. Enable the Kubernetes Engine, Cloud Storage, Artifact Registry, and Cloud Build APIs: 

    gcloud services enable container.googleapis.com storage.googleapis.com artifactregistry.googleapis.com cloudbuild.googleapis.com

  8. Install the Google Cloud CLI.

  9. Se utilizzi un provider di identità (IdP) esterno, devi prima accedere alla gcloud CLI con la tua identità federata.

  10. Per inizializzare gcloud CLI, esegui questo comando: 

    gcloud init

  11. Create or select a Google Cloud project.

    • Create a Google Cloud project:

      gcloud projects create PROJECT_ID

      Replace PROJECT_ID with a name for the Google Cloud project you are creating.

    • Select the Google Cloud project that you created:

      gcloud config set project PROJECT_ID

      Replace PROJECT_ID with your Google Cloud project name.

  12. Verify that billing is enabled for your Google Cloud project.

  13. Enable the Kubernetes Engine, Cloud Storage, Artifact Registry, and Cloud Build APIs: 

    gcloud services enable container.googleapis.com storage.googleapis.com artifactregistry.googleapis.com cloudbuild.googleapis.com

    14. Prepara l'ambiente

    Clona il repository di esempio e apri la directory del tutorial:

    git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-samples.git
cd kubernetes-engine-samples/ai-ml/t5-model-serving

    Crea il cluster

    Esegui questo comando:

    gcloud container clusters create-auto ml-cluster \
    --release-channel=RELEASE_CHANNEL \
    --cluster-version=CLUSTER_VERSION \
    --location=us-central1

    Sostituisci quanto segue:

    • RELEASE_CHANNEL: il canale di rilascio per il tuo cluster. Deve essere uno tra rapid, regular o stable. Scegli un canale con GKE 1.28.3-gke.1203000 o versioni successive per utilizzare le GPU L4. Per visualizzare le versioni disponibili in un canale specifico, vedi Visualizzare le versioni predefinite e disponibili per i canali di rilascio.
    • CLUSTER_VERSION: la versione di GKE da utilizzare. Deve essere 1.28.3-gke.1203000 o successiva.

    Il completamento dell'operazione richiede diversi minuti.

    Crea un repository Artifact Registry

    1. Crea un nuovo repository standard Artifact Registry con il formato Docker nella stessa regione del cluster:

      gcloud artifacts repositories create models \
    --repository-format=docker \
    --location=us-central1 \
    --description="Repo for T5 serving image"

    2. Verifica il nome del repository:

      gcloud artifacts repositories describe models \
    --location=us-central1

      L'output è simile al seguente:

      Encryption: Google-managed key
Repository Size: 0.000MB
createTime: '2023-06-14T15:48:35.267196Z'
description: Repo for T5 serving image
format: DOCKER
mode: STANDARD_REPOSITORY
name: projects/PROJECT_ID/locations/us-central1/repositories/models
updateTime: '2023-06-14T15:48:35.267196Z'

    Pacchettizzare il modello

    In questa sezione, pacchettizzi il modello e il framework di servizio in un'unica immagine container utilizzando Cloud Build ed esegui il push dell'immagine risultante nel repository Artifact Registry.

    1. Esamina il Dockerfile per l'immagine container:

      # Copyright 2023 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     https://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

ARG BASE_IMAGE=pytorch/torchserve:0.12.0-cpu

FROM alpine/git

ARG MODEL_NAME=t5-small
ARG MODEL_REPO=https://huggingface.co/${MODEL_NAME}
ENV MODEL_NAME=${MODEL_NAME}
ENV MODEL_VERSION=${MODEL_VERSION}

RUN git clone "${MODEL_REPO}" /model

FROM ${BASE_IMAGE}

ARG MODEL_NAME=t5-small
ARG MODEL_VERSION=1.0
ENV MODEL_NAME=${MODEL_NAME}
ENV MODEL_VERSION=${MODEL_VERSION}

COPY --from=0 /model/. /home/model-server/
COPY handler.py \
     model.py \
     requirements.txt \
     setup_config.json /home/model-server/

RUN  torch-model-archiver \
     --model-name="${MODEL_NAME}" \
     --version="${MODEL_VERSION}" \
     --model-file="model.py" \
     --serialized-file="pytorch_model.bin" \
     --handler="handler.py" \
     --extra-files="config.json,spiece.model,tokenizer.json,setup_config.json" \
     --runtime="python" \
     --export-path="model-store" \
     --requirements-file="requirements.txt"

FROM ${BASE_IMAGE}

ENV PATH /home/model-server/.local/bin:$PATH
ENV TS_CONFIG_FILE /home/model-server/config.properties
# CPU inference will throw a warning cuda warning (not error)
# Could not load dynamic library 'libnvinfer_plugin.so.7'
# This is expected behaviour. see: https://stackoverflow.com/a/61137388
ENV TF_CPP_MIN_LOG_LEVEL 2

COPY --from=1 /home/model-server/model-store/ /home/model-server/model-store
COPY config.properties /home/model-server/

      Questo Dockerfile definisce il seguente processo di compilazione in più fasi:

      1. Scarica gli artefatti del modello dal repository Hugging Face.
      2. Pacchettizza il modello utilizzando lo strumento PyTorch Serving Archive. Viene creato un file di archivio del modello (.mar) che il server di inferenza utilizza per caricare il modello.
      3. Crea l'immagine finale con PyTorch Serve.

    2. Crea ed esegui il push dell'immagine utilizzando Cloud Build:

      gcloud builds submit model/ \
    --region=us-central1 \
    --config=model/cloudbuild.yaml \
    --substitutions=_LOCATION=us-central1,_MACHINE=gpu,_MODEL_NAME=t5-small,_MODEL_VERSION=1.0

      Il completamento della processo di compilazione richiede diversi minuti. Se utilizzi una dimensione del modello superiore a t5-small, laprocesso di compilazionee potrebbe richiedere molto più tempo.

    3. Verifica che l'immagine sia nel repository:

      gcloud artifacts docker images list us-central1-docker.pkg.dev/PROJECT_ID/models

      Sostituisci PROJECT_ID con l'ID progetto Google Cloud.

      L'output è simile al seguente:

      IMAGE                                                     DIGEST         CREATE_TIME          UPDATE_TIME
us-central1-docker.pkg.dev/PROJECT_ID/models/t5-small     sha256:0cd...  2023-06-14T12:06:38  2023-06-14T12:06:38

    Esegui il deployment del modello pacchettizzato in GKE

    Per eseguire il deployment dell'immagine, questo tutorial utilizza i deployment Kubernetes. Un deployment è un oggetto API Kubernetes che consente di eseguire più repliche di pod distribuite tra i nodi di un cluster.

    Modifica il manifest Kubernetes nel repository di esempio in modo che corrisponda al tuo ambiente.

    1. Esamina il manifest per il workload di inferenza:

      # Copyright 2023 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     https://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: t5-inference
  labels:
    model: t5
    version: v1.0
    machine: gpu
spec:
  replicas: 1
  selector:
    matchLabels:
      model: t5
      version: v1.0
      machine: gpu
  template:
    metadata:
      labels:
        model: t5
        version: v1.0
        machine: gpu
    spec:
      nodeSelector:
        cloud.google.com/gke-accelerator: nvidia-l4
      securityContext:
        fsGroup: 1000
        runAsUser: 1000
        runAsGroup: 1000
      containers:
        - name: inference
          image: us-central1-docker.pkg.dev/PROJECT_ID/models/t5-small:1.0-gpu
          imagePullPolicy: IfNotPresent
          args: ["torchserve", "--start", "--foreground"]
          resources:
            limits:
              nvidia.com/gpu: "1"
              cpu: "3000m"
              memory: 16Gi
              ephemeral-storage: 10Gi
            requests:
              nvidia.com/gpu: "1"
              cpu: "3000m"
              memory: 16Gi
              ephemeral-storage: 10Gi
          ports:
            - containerPort: 8080
              name: http
            - containerPort: 8081
              name: management
            - containerPort: 8082
              name: metrics
          readinessProbe:
            httpGet:
              path: /ping
              port: http
            initialDelaySeconds: 120
            failureThreshold: 10
          livenessProbe:
            httpGet:
              path: /models/t5-small
              port: management
            initialDelaySeconds: 150
            periodSeconds: 5
---
apiVersion: v1
kind: Service
metadata:
  name: t5-inference
  labels:
    model: t5
    version: v1.0
    machine: gpu
spec:
  type: ClusterIP
  selector:
    model: t5
    version: v1.0
    machine: gpu
  ports:
    - port: 8080
      name: http
      targetPort: http
    - port: 8081
      name: management
      targetPort: management
    - port: 8082
      name: metrics
      targetPort: metrics

    2. Sostituisci PROJECT_ID con l'ID del tuo progetto Google Cloud:

      sed -i "s/PROJECT_ID/PROJECT_ID/g" "kubernetes/serving-gpu.yaml"

      In questo modo, il percorso dell'immagine container nella specifica del deployment corrisponde al percorso dell'immagine del modello T5 in Artifact Registry.

    3. Crea le risorse Kubernetes:

      kubectl create -f kubernetes/serving-gpu.yaml

    Per verificare che il deployment del modello sia andato a buon fine:

    1. Recupera lo stato del deployment e del servizio:

      kubectl get -f kubernetes/serving-gpu.yaml

      Attendi che l'output mostri i pod pronti, in modo simile al seguente. A seconda delle dimensioni dell'immagine, il primo pull potrebbe richiedere diversi minuti.

      NAME                            READY   UP-TO-DATE    AVAILABLE   AGE
deployment.apps/t5-inference    1/1     1             0           66s

NAME                    TYPE        CLUSTER-IP        EXTERNAL-IP   PORT(S)                       AGE
service/t5-inference    ClusterIP   10.48.131.86    <none>        8080/TCP,8081/TCP,8082/TCP    66s

    2. Apri una porta locale per il servizio t5-inference:

      kubectl port-forward svc/t5-inference 8080

    3. Apri una nuova finestra del terminale e invia una richiesta di test al servizio:

      curl -v -X POST -H 'Content-Type: application/json' -d '{"text": "this is a test sentence", "from": "en", "to": "fr"}' "http://localhost:8080/predictions/t5-small/1.0"

      Se la richiesta di test non va a buon fine e la connessione al pod si chiude, controlla i log:

      kubectl logs deployments/t5-inference

      Se l'output è simile al seguente, l'installazione di TorchServe non è riuscita per alcune dipendenze del modello:

      org.pytorch.serve.archive.model.ModelException: Custom pip package installation failed for t5-small

      Per risolvere il problema, riavvia la deployment:

      kubectl rollout restart deployment t5-inference

      Il controller Deployment crea un nuovo pod. Ripeti i passaggi precedenti per aprire una porta sul nuovo pod.

    Accedere al modello di cui è stato eseguito il deployment utilizzando l'applicazione web

    Per accedere al modello di cui è stato eseguito il deployment con l'applicazione web Fast Dash, completa i seguenti passaggi:

    1. Crea ed esegui il push dell'applicazione web Fast Dash come immagine container in Artifact Registry:

      gcloud builds submit client-app/ \
    --region=us-central1 \
    --config=client-app/cloudbuild.yaml

    2. Apri kubernetes/application.yaml in un editor di testo e sostituisci PROJECT_ID nel campo image: con il tuo ID progetto. In alternativa, esegui questo comando:

      sed -i "s/PROJECT_ID/PROJECT_ID/g" "kubernetes/application.yaml"

    3. Crea le risorse Kubernetes:

      kubectl create -f kubernetes/application.yaml

      Il deployment e il servizio potrebbero richiedere un po' di tempo per il provisioning completo.

    4. Per controllare lo stato, esegui questo comando:

      kubectl get -f kubernetes/application.yaml

      Attendi che l'output mostri i pod pronti, in modo simile al seguente:

      NAME                       READY   UP-TO-DATE   AVAILABLE   AGE
deployment.apps/fastdash   1/1     1            0           1m

NAME               TYPE       CLUSTER-IP      EXTERNAL-IP   PORT(S)          AGE
service/fastdash   NodePort   203.0.113.12    <none>        8050/TCP         1m

    5. L'applicazione web è ora in esecuzione, anche se non è esposta su un indirizzo IP esterno. Per accedere all'applicazione web, apri una porta locale:

      kubectl port-forward service/fastdash 8050

    6. In un browser, apri l'interfaccia web:

      • Se utilizzi una shell locale, apri un browser e vai all'indirizzo http://127.0.0.1:8050.
      • Se utilizzi Cloud Shell, fai clic su Anteprima web, quindi fai clic su Cambia porta. Specifica la porta 8050.

    7. Per inviare una richiesta al modello T5, specifica i valori nei campi TEXT, FROM LANG e TO LANG nell'interfaccia web e fai clic su Invia. Per un elenco delle lingue disponibili, consulta la documentazione di T5.

    Abilita la scalabilità automatica per il modello

    Questa sezione mostra come abilitare la scalabilità automatica per il modello in base alle metriche di Google Cloud Managed Service per Prometheus eseguendo le seguenti operazioni:

    1. Installare l'adattatore Stackdriver delle metriche personalizzate
    2. Applica le configurazioni di PodMonitoring e HorizontalPodAutoscaling

    Google Cloud Managed Service per Prometheus è abilitato per impostazione predefinita nei cluster Autopilot che eseguono la versione 1.25 e successive.

    Installare l'adattatore Stackdriver delle metriche personalizzate

    Questo adattatore consente al cluster di utilizzare le metriche di Prometheus per prendere decisioni di scalabilità automatica di Kubernetes.

    1. Esegui il deployment dell'adattatore:

      kubectl create -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/deploy/production/adapter_new_resource_model.yaml

    2. Crea un account di servizio IAM da utilizzare per l'adattatore:

      gcloud iam service-accounts create monitoring-viewer

    3. Concedi al account di servizio IAM il ruolo monitoring.viewer sul progetto e il ruolo iam.workloadIdentityUser:

      gcloud projects add-iam-policy-binding PROJECT_ID \
    --member "serviceAccount:monitoring-viewer@PROJECT_ID.iam.gserviceaccount.com" \
    --role roles/monitoring.viewer
gcloud iam service-accounts add-iam-policy-binding monitoring-viewer@PROJECT_ID.iam.gserviceaccount.com \
    --role roles/iam.workloadIdentityUser \
    --member "serviceAccount:PROJECT_ID.svc.id.goog[custom-metrics/custom-metrics-stackdriver-adapter]"

      Sostituisci PROJECT_ID con l'ID progetto Google Cloud.

    4. Aggiungi un'annotazione al service account Kubernetes dell'adattatore per consentirgli di rappresentare ilaccount di serviziot IAM:

      kubectl annotate serviceaccount custom-metrics-stackdriver-adapter \
    --namespace custom-metrics \
    iam.gke.io/gcp-service-account=monitoring-viewer@PROJECT_ID.iam.gserviceaccount.com

    5. Riavvia l'adattatore per propagare le modifiche:

      kubectl rollout restart deployment custom-metrics-stackdriver-adapter \
    --namespace=custom-metrics

    Applica le configurazioni di PodMonitoring e HorizontalPodAutoscaling

    PodMonitoring è una risorsa personalizzata di Google Cloud Managed Service per Prometheus che consente l'importazione delle metriche e lo scraping dei target in uno spazio dei nomi specifico.

    1. Esegui il deployment della risorsa PodMonitoring nello stesso spazio dei nomi del deployment di TorchServe:

      kubectl apply -f kubernetes/pod-monitoring.yaml

    2. Esamina il manifest di HorizontalPodAutoscaler:

      # Copyright 2023 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     https://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: t5-inference
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: t5-inference
  minReplicas: 1
  maxReplicas: 5
  metrics:
  - type: Pods
    pods:
      metric:
        name: prometheus.googleapis.com|ts_queue_latency_microseconds|counter
      target:
        type: AverageValue
        averageValue: "30000"

      HorizontalPodAutoscaler scala la quantità di pod del modello T5 in base alla durata cumulativa della coda di richieste. La scalabilità automatica si basa sulla metrica ts_queue_latency_microseconds, che mostra la durata cumulativa della coda in microsecondi.

    3. Crea HorizontalPodAutoscaler:

      kubectl apply -f kubernetes/hpa.yaml

    Verifica la scalabilità automatica utilizzando un generatore di carico

    Per testare la configurazione della scalabilità automatica, genera carico per l'applicazione di pubblicazione. Questo tutorial utilizza un generatore di carico Locust per inviare richieste all'endpoint di previsione del modello.

    1. Crea il generatore di carico:

      kubectl apply -f kubernetes/loadgenerator.yaml

      Attendi che i pod del generatore del carico siano pronti.

    2. Esporre localmente l'interfaccia web del generatore di carico:

      kubectl port-forward svc/loadgenerator 8080

      Se visualizzi un messaggio di errore, riprova quando il pod è in esecuzione.

    3. In un browser, apri l'interfaccia web del generatore di carico:

      • Se utilizzi una shell locale, apri un browser e vai all'indirizzo http://127.0.0.1:8080.
      • Se utilizzi Cloud Shell, fai clic su Anteprima web, quindi fai clic su Cambia porta. Inserisci la porta 8080.

    4. Fai clic sulla scheda Grafici per osservare il rendimento nel tempo.

    5. Apri una nuova finestra del terminale e osserva il numero di repliche dei tuoi autoscaler orizzontali dei pod:

      kubectl get hpa -w

      Il numero di repliche aumenta man mano che il carico aumenta. Lo scale up potrebbe richiedere circa dieci minuti. Man mano che vengono avviate nuove repliche, il numero di richieste riuscite nel grafico Locust aumenta.

      NAME           REFERENCE                 TARGETS           MINPODS   MAXPODS   REPLICAS   AGE
t5-inference   Deployment/t5-inference   71352001470m/7M   1         5        1           2m11s

    Consigli

    • Crea il modello con la stessa versione dell'immagine Docker di base che utilizzerai per la pubblicazione.
    • Se il modello ha dipendenze di pacchetti speciali o se le dimensioni delle dipendenze sono grandi, crea una versione personalizzata dell'immagine Docker di base.
    • Visualizza la versione ad albero dei pacchetti di dipendenze del modello. Assicurati che le dipendenze dei pacchetti supportino le versioni reciproche. Ad esempio, Panda versione 2.0.3 supporta NumPy versione 1.20.3 e successive.
    • Esegui modelli che richiedono un uso intensivo della GPU sui nodi GPU e modelli che richiedono un uso intensivo della CPU sulla CPU. Ciò potrebbe migliorare la stabilità del servizio del modello e garantire un consumo efficiente delle risorse dei nodi.

    Osserva le prestazioni del modello

    Per osservare il rendimento del modello, puoi utilizzare l'integrazione della dashboard TorchServe in Cloud Monitoring. Con questa dashboard puoi visualizzare metriche sul rendimento critiche come il throughput dei token, la latenza delle richieste e i tassi di errore.

    Per utilizzare la dashboard TorchServe, devi abilitare Google Cloud Managed Service per Prometheus, che raccoglie le metriche da TorchServe, nel tuo cluster GKE. TorchServe espone le metriche nel formato Prometheus per impostazione predefinita; non è necessario installare un esportatore aggiuntivo.

    Puoi quindi visualizzare le metriche utilizzando la dashboard TorchServe. Per informazioni sull'utilizzo di Google Cloud Managed Service per Prometheus per raccogliere metriche dal tuo modello, consulta le indicazioni sull'osservabilità di TorchServe nella documentazione di Cloud Monitoring.

    Esegui la pulizia

    Per evitare che al tuo Account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

    Elimina il progetto

      Delete a Google Cloud project:

      gcloud projects delete PROJECT_ID

    Elimina singole risorse

    1. Elimina le risorse Kubernetes:

      kubectl delete -f kubernetes/loadgenerator.yaml
kubectl delete -f kubernetes/hpa.yaml
kubectl delete -f kubernetes/pod-monitoring.yaml
kubectl delete -f kubernetes/application.yaml
kubectl delete -f kubernetes/serving-gpu.yaml
kubectl delete -f https://raw.githubusercontent.com/GoogleCloudPlatform/k8s-stackdriver/master/custom-metrics-stackdriver-adapter/deploy/production/adapter_new_resource_model.yaml

    2. Elimina il cluster GKE:

      gcloud container clusters delete "ml-cluster" \
    --location="us-central1" --quiet

    3. Elimina l'account di servizio IAM e le associazioni dei criteri IAM:

      gcloud projects remove-iam-policy-binding PROJECT_ID \
    --member "serviceAccount:monitoring-viewer@PROJECT_ID.iam.gserviceaccount.com" \
    --role roles/monitoring.viewer
gcloud iam service-accounts remove-iam-policy-binding monitoring-viewer@PROJECT_ID.iam.gserviceaccount.com \
    --role roles/iam.workloadIdentityUser \
    --member "serviceAccount:PROJECT_ID.svc.id.goog[custom-metrics/custom-metrics-stackdriver-adapter]"
gcloud iam service-accounts delete monitoring-viewer

    4. Elimina le immagini in Artifact Registry. (Facoltativo) Elimina l'intero repository. Per le istruzioni, consulta la documentazione di Artifact Registry sull'eliminazione delle immagini.

    Panoramica dei componenti

    Questa sezione descrive i componenti utilizzati in questo tutorial, come il modello, l'applicazione web, il framework e il cluster.

    Informazioni sul modello T5

    Questo tutorial utilizza un modello T5 multilingue preaddestrato. T5 è un transformer da testo a testo che converte il testo da una lingua a un'altra. In T5, gli input e gli output sono sempre stringhe di testo, a differenza dei modelli in stile BERT che possono restituire solo un'etichetta di classe o un intervallo dell'input. Il modello T5 può essere utilizzato anche per attività come riepilogo, domande e risposte o classificazione del testo. Il modello è addestrato su una grande quantità di testo proveniente da Colossal Clean Crawled Corpus (C4) e Wiki-DPR.

    Per saperne di più, consulta la documentazione del modello T5.

    Colin Raffel, Noam Shazeer, Adam Roberts, Katherine Lee, Sharan Narang, Michael Matena, Yanqi Zhou, Wei Li e Peter J. Liu ha presentato il modello T5 in Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer, pubblicato sul Journal of Machine Learning Research.

    Il modello T5 supporta varie dimensioni del modello, con diversi livelli di complessità adatti a casi d'uso specifici. Questo tutorial utilizza le dimensioni predefinite, t5-small, ma puoi anche scegliere dimensioni diverse. Le seguenti dimensioni di T5 vengono distribuite ai sensi della licenza Apache 2.0:

    • t5-small: 60 milioni di parametri
    • t5-base: 220 milioni di parametri
    • t5-large: 770 milioni di parametri. Download di 3 GB.
    • t5-3b: 3 miliardi di parametri. Download di 11 GB.
    • t5-11b: 11 miliardi di parametri. Download di 45 GB.

    Per altri modelli T5 disponibili, consulta il repository Hugging Face.

    Informazioni su TorchServe

    TorchServe è uno strumento flessibile per la distribuzione di modelli PyTorch. Fornisce supporto immediato per tutti i principali framework di deep learning, tra cui PyTorch, TensorFlow e ONNX. TorchServe può essere utilizzato per il deployment dei modelli in produzione o per la prototipazione e la sperimentazione rapide.

    Passaggi successivi