Prima di iniziare a utilizzare Ray on Vertex AI, segui i passaggi per configurare Progetto Google e SDK Vertex AI per Python:
Segui i passaggi in Configurare un progetto e uno sviluppo per configurare la fatturazione il tuo progetto, installa gcloud CLI e abilitare l'API Vertex AI.
Prerequisito: devi sapere come sviluppare programmi utilizzando open source Raggio.
L'SDK Ray on Vertex AI per Python utilizzato qui è una versione dell'SDK Vertex AI per Python che include la funzionalità Ray Cliente, Connettore BigQuery Ray, Ray la gestione dei cluster su Vertex AI e le previsioni su Vertex AI.
Se utilizzi Ray su Vertex AI nella console Google Cloud, Colab Enterprise blocco note guida l'installazione dell'SDK Vertex AI per Python processo dopo la creazione di un cluster Ray.
Se utilizzi Ray su Vertex AI in Vertex AI Workbench o in un altro ambiente Python interattivo, installa l'SDK Vertex AI per Python:
# The latest image in the Ray cluster includes Ray 2.9 # The latest supported Python version is Python 3.10. $ pip install google-cloud-aiplatform[ray]
Dopo aver installato l'SDK, riavvia il kernel prima di importare i pacchetti.
(Facoltativo) Se prevedi di leggere da BigQuery, devi creare una nuovo set di dati BigQuery o utilizza un modello esistente del set di dati.
(Facoltativo) Per ridurre il rischio di esfiltrazione di dati da Vertex AI, puoi abilitare Controlli di servizio VPC e specificare una rete VPC quando crei un cluster. Per ulteriori informazioni informazioni, consulta Controlli di servizio VPC con Vertex AI.
Se abiliti i Controlli di servizio VPC, non potrai raggiungere le risorse all'esterno del perimetro, ad esempio nei file di un bucket Cloud Storage.
(Facoltativo) Per utilizzare un'immagine container personalizzata, ospitala su Artifact Registry. Un'immagine personalizzata ti consente di aggiungere dipendenze Python non incluse nelle immagini container predefinite. Per creare immagini personalizzate, consulta la sezione relativa al pacchetto del software nella documentazione di Docker.
(Facoltativo) Se specifichi una rete VPC durante la creazione di un cluster Ray su Vertex AI, ti consigliamo di avere una rete VPC in modalità automatica nel tuo progetto. Potresti riscontrare problemi se utilizzi un VPC in modalità personalizzata o usa più reti VPC per creare cluster nello stesso progetto.
Proteggi i tuoi cluster
Segui le best practice e linee guida di Ray, tra cui codice attendibile su reti attendibili, per proteggere i carichi di lavoro Ray. Il deployment di ray.io nelle tue istanze cloud rientra nel modello responsabilità condivisa.
Per ulteriori informazioni sulle best practice di Google Cloud, consulta Bollettino sulla sicurezza di Google Cloud-2024-020.
Località supportate
La tabella Disponibilità delle funzionalità per i segmenti di pubblico personalizzati l'addestramento del modello elenca le località disponibili per Ray su Vertex AI.