Ray es un framework de código abierto para escalar aplicaciones de IA y Python. Ray proporciona la infraestructura a fin de realizar procesamiento distribuido y procesamiento paralelo para el flujo de trabajo de aprendizaje automático (AA).
Si ya usas Ray, puedes usar el mismo código de Ray de código abierto para escribir programas y desarrollar aplicaciones en Vertex AI con cambios mínimos. Luego, puedes usar las integraciones de Vertex AI en otros servicios de Google Cloud, como las predicciones de Vertex AI y BigQuery, como parte del flujo de trabajo de aprendizaje automático.
Si ya usas Vertex AI y necesitas una forma más sencilla de escalar los recursos de procesamiento, puedes usar el código de Ray para optimizar el rendimiento del entrenamiento, el ajuste de hiperparámetros, las predicciones y los pasos de entrega en línea.
Flujo de trabajo para usar Ray en Vertex AI
El proceso para usar Ray en Vertex AI es el siguiente:
| Pasos | Descripción |
|---|---|
| 1. Configura para Ray en Vertex AI | Configura tu proyecto de Google, instala la versión del SDK de Vertex AI para Python que incluya la funcionalidad del cliente de Ray y configura una red de intercambio de tráfico de VPC. |
| 2. Crea un clúster de Ray en Vertex AI | Crea un clúster de Ray en Vertex AI. |
| 3. Desarrolla una aplicación de Ray en Vertex AI | Conéctate a un clúster de Ray en Vertex AI y desarrolla una aplicación. |
| 4. (Opcional) Usa Ray en Vertex AI con BigQuery | Lee, escribe y transforma datos con BigQuery. |
| 5. (Opcional) Implementa un modelo en Vertex AI y obtén predicciones | Implementa un modelo en un extremo en línea de Vertex AI y obtén predicciones. |
| 6. (Opcional) Visualiza los registros de tu clúster de Ray en Vertex AI | Visualiza los registros generados en Cloud Logging. |
| 7. Borra un clúster de Ray en Vertex AI | Borra un clúster de Ray en Vertex AI para evitar la facturación innecesaria. |
Arquitectura
En el siguiente diagrama, se muestra la arquitectura y el flujo de trabajo de Ray en Vertex AI después de configurar tu proyecto de Google Cloud y la red de VPC:
Crea el clúster de Ray en Vertex AI mediante las siguientes opciones:
1a. Usa la consola para crear el clúster de Ray en Vertex AI.
1b. Crea el clúster de Ray en Vertex AI con el SDK de Vertex AI para Python.
Conéctate al clúster de Ray en Vertex AI a través de una red de VPC con intercambio de tráfico mediante las siguientes opciones:
2a. Usa Colab Enterprise en la consola.
2b. Usa el notebook de Vertex AI Workbench.
Desarrolla tu aplicación y entrena tu modelo en el clúster de Ray en Vertex AI con las siguientes opciones:
Usa el SDK de Vertex AI para Python en tu entorno preferido (notebook de Colab Enterprise o Vertex AI Workbench).
Escribe una secuencia de comandos de Python con tu entorno preferido. Envía un trabajo de Ray al clúster de Ray en Vertex AI mediante el SDK de Vertex AI para Python, Ray Job CLI o el panel de Ray.
Implementa el modelo entrenado en un extremo de Vertex AI en línea para realizar predicciones.
Usa BigQuery para administrar tus datos.
Precios
Los precios de Ray en Vertex AI se calculan de la siguiente manera:
Los recursos de procesamiento que uses se cobran según la configuración de máquina que selecciones cuando crees tu clúster de Ray en Vertex AI. Durante la vista previa, el uso de Ray en Vertex AI se cobra a la misma tarifa que los modelos entrenados personalizados. Después de la disponibilidad general (DG), el precio aumentará para reflejar los precios de Ray en Vertex AI. Se te notificará el cambio de precio cuando Ray en Vertex AI pase a la etapa de disponibilidad general.
Cuando realizas tareas con el clúster de Ray en Vertex AI, los registros se generan y se cobran de forma automática según los precios de Cloud Logging.
Si implementas tu modelo en un extremo para predicciones en línea, consulta la sección “Predicción y explicación” de la página de precios de Vertex AI.
Si usas BigQuery con Ray en Vertex AI, consulta los precios de BigQuery.