Einrichtung für Vertex AI Experiments

Vertex AI Experiments wird vom Vertex AI SDK für Python und die Google Cloud Console unterstützt. Vertex AI Experiments erfordert und hängt von Vertex ML Metadata ab.

Einrichten

1. Melden Sie sich bei Ihrem Google Cloud-Konto an. Wenn Sie mit Google Cloud noch nicht vertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

2. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

   Hinweis: Wenn Sie die Ressourcen, die Sie in diesem Verfahren erstellen, nicht behalten möchten, erstellen Sie ein Projekt, anstatt ein vorhandenes Projekt auszuwählen. Wenn Sie fertig sind, können Sie das Projekt löschen und dadurch alle mit dem Projekt verknüpften Ressourcen entfernen.

   Zur Projektauswahl

3. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

4. Aktivieren Sie die erforderliche API.

   Aktivieren Sie die API

5. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

   Hinweis: Wenn Sie die Ressourcen, die Sie in diesem Verfahren erstellen, nicht behalten möchten, erstellen Sie ein Projekt, anstatt ein vorhandenes Projekt auszuwählen. Wenn Sie fertig sind, können Sie das Projekt löschen und dadurch alle mit dem Projekt verknüpften Ressourcen entfernen.

   Zur Projektauswahl

6. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

7. Aktivieren Sie die erforderliche API.

   Aktivieren Sie die API

8. Ein Dienstkonto erstellen. Weitere Informationen finden Sie unter Dienstkonto mit erforderlichen Berechtigungen erstellen.
9. Installieren Sie das Vertex AI SDK für Python.
10. Prüfen Sie, ob der default-Metadatenspeicher in Ihrem Projekt vorhanden ist. (erforderlich)
    • Wenn Sie prüfen möchten, ob Ihr Projekt den default-Metadatenspeicher hat, rufen Sie in der Google Cloud Console die Metadata-Seite auf.
    • Wenn der default-Metadatenspeicher nicht vorhanden ist, wird er erstellt, wenn
      • Sie den ersten PipelineJob ausführen,
      • Alternativ können Sie Ihren ersten Test im Vertex AI SDK für Python erstellen.
        Optional: Informationen zur Konfiguration mit CMEK finden Sie unter Metadatenspeicher Ihres Projekts konfigurieren.

Unterstützte Standorte

In der Tabelle Featureverfügbarkeit sind die verfügbaren Standorte für Vertex AI Experiments aufgeführt. Wenn Sie Vertex AI-Pipelines oder Vertex AI TensorBoard verwenden, müssen diese sich am selben Standort wie Ihr Vertex AI-Test befinden.

Nächste Schritte

• Test erstellen

Relevante Notebookanleitungen

1. Trainierte und bewertete Modelle vergleichen
2. Modelltraining mit vordefiniertem Daten-Vorverarbeitungscode
3. Pipelineausführungen vergleichen
4. Automatisches Logging