Configurar o Vertex AI Experiments

O Vertex AI Experiments é compatível com o SDK da Vertex AI para Python e o console do Google Cloud. O Vertex AI Experiments requer e depende dos Vertex ML Metadata.

Configurar

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. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the required API.

   Enable the API

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the required API.

   Enable the API

8. Criar uma conta de serviço. Consulte Criar uma conta de serviço com as permissões necessárias.
9. Instale o SDK da Vertex AI para Python.
10. Verifique a existência do armazenamento de metadados default no seu projeto. (obrigatório)
    • Para ver se o projeto tem o repositório de metadados default, acesse a página Metadata no console do Google Cloud.
    • Se o repositório de metadados default não existir, ele será criado quando
      • você executa o primeiro PipelineJob;
      • ou crie seu primeiro experimento no SDK da Vertex AI para Python.
        Opcional: para configurar com CMEK, consulte Configurar o repositório de metadados do projeto.

Locais suportados

A tabela Disponibilidade de recursos lista os locais disponíveis para os experimentos da Vertex AI. Ao usar o Vertex AI Pipelines ou o Vertex AI TensorBoard, eles precisam estar no mesmo local que seu experimento do Vertex AI.

A seguir

• Criar um experimento

Tutoriais de notebook relevantes

1. Comparar modelos treinados e avaliados
2. Treinamento de modelo com código de pré-processamento de dados pré-criado
3. Compare execuções de pipeline
4. Geração automática de registros