Configuration préalable pour les tests Vertex AI

Les tests Vertex AI sont compatibles avec le SDK Vertex AI pour Python et la console Google Cloud. Les tests Vertex AI exigent et dépendent de Vertex ML Metadata.

Configurer

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. Créer un compte de service Consultez la section Créer un compte de service avec les autorisations requises.
9. Installez le SDK Vertex AI pour Python.
10. Vérifiez l'existence du magasin de métadonnées default dans votre projet. (obligatoire)
    • Pour savoir si votre projet dispose du magasin de métadonnées default, accédez à la page Metadata dans la console Google Cloud.
    • Si le magasin de métadonnées default n'existe pas, il est créé :
      • quand vous exécutez la première tâche PipelineJob ;
      • ou quand vous créez votre premier test dans le SDK Vertex AI pour Python.
        Facultatif : Pour configurer le chiffrement avec CMEK, consultez la section Configurer le magasin de métadonnées de votre projet

Emplacements acceptés

Le tableau Fonctionnalités disponibles répertorie les emplacements disponibles pour Vertex AI Experiments. Lorsque vous utilisez Vertex AI Pipelines ou Vertex AI TensorBoard, ceux-ci doivent se trouver au même emplacement que votre test Vertex AI.

Étapes suivantes

• Créer un test

Tutoriels pertinents sur les notebooks

1. Comparer un modèle entraîné et un modèle évalué
2. Entraînement du modèle avec le code de prétraitement des données prédéfini
3. Comparer les exécutions de pipeline
4. Journalisation automatique