Vertex AI 실험 설정

Vertex AI 실험은 Python 및 Google Cloud 콘솔용 Vertex AI SDK에서 지원됩니다. Vertex AI 실험은 Vertex ML Metadata를 필요로 하며 이에 의존합니다.

설정

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. Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.

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. Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.

7. Enable the required API.

   Enable the API

8. 서비스 계정을 만듭니다. 필요한 권한이 있는 서비스 계정 만들기를 참조하세요.
9. Python용 Vertex AI SDK를 설치합니다.
10. 프로젝트에 default 메타데이터 스토어가 있는지 확인합니다. (필수)
    • 프로젝트에 default 메타데이터 저장소가 있는지 확인하려면 Google Cloud 콘솔의 Metadata 페이지로 이동합니다.
    • default 메타데이터 저장소가 없으면 다음과 같은 경우에 생성됩니다.
      • 첫 번째 PipelineJob을 실행합니다.
      • 또는 Python용 Vertex AI SDK에서 첫 번째 실험을 만듭니다.
        선택사항: CMEK로 구성하려면 프로젝트의 메타데이터 스토어 구성을 참조하세요.

지원되는 위치

특성 가용성 표에는 Vertex AI 실험에 사용 가능한 위치가 나와 있습니다. Vertex AI Pipelines 또는 Vertex AI 텐서보드를 사용하는 경우 Vertex AI 실험과 같은 위치에 있어야 합니다.

다음 단계

• 실험 만들기

관련 노트북 튜토리얼

1. 학습 모델 및 평가 모델 비교
2. 사전 빌드된 데이터 사전 처리 코드로 모델 학습
3. 파이프라인 실행 비교
4. 자동 로깅