このページは Cloud Translation API によって翻訳されました。

パイプラインの実行

Vertex AI Pipelines を使用すると、Kubeflow Pipelines SDK または TensorFlow Extended を使用して構築された ML パイプラインをサーバーレスで実行できます。このドキュメントでは、ML パイプラインの実行方法について説明します。

テンプレートギャラリーで事前に作成されたテンプレートを使用して、パイプライン実行を作成することもできます。テンプレートギャラリーについて詳しくは、テンプレートギャラリーの既成のテンプレートを使用するをご覧ください。

始める前に

Vertex AI Pipelines でパイプラインを実行する前に、次の手順で Google Cloud プロジェクトと開発環境を設定します。

パイプラインを構築します。
Vertex AI SDK for Python を使用してパイプラインを実行するには、Vertex SDK をインストールします。
- Vertex AI SDK をインストールする。

パイプライン実行を作成する

Google Cloud Console または Python を使用して ML パイプラインを実行する手順は次のとおりです。

コンソール

Google Cloud コンソールを使用して ML パイプラインを実行するには、次の手順を行います。

Google Cloud コンソールの [Vertex AI] セクションで、[パイプライン] ページに移動します。

[パイプライン] に移動
[リージョン] プルダウンリストで、パイプライン実行を作成するリージョンを選択します。
[ 実行を作成] をクリックして、[パイプライン実行の作成] ペインを開きます。
[実行の詳細] セクションで、次の操作を行います。
1. [実行のソース] をクリックします。次のオプションが用意されています。
  - 既存のパイプラインから選択: 既存のパイプラインテンプレートに基づいてパイプライン実行を作成するには、[既存のパイプラインから選択] をクリックし、次の詳細を入力します。
    1. パイプラインまたはコンポーネント定義ファイルを含む [リポジトリ] を選択します。
    2. [パイプラインまたはコンポーネント] と [バージョン] を選択します。
    3. パイプライン実行を一意に識別できるように [実行名] を指定します。
  - テンプレートギャラリーのパイプラインを選択: テンプレートギャラリーの Google が作成したパイプラインテンプレートに基づいてパイプライン実行を作成するには、[テンプレートギャラリーのパイプラインを選択する] をクリックし、次の詳細を入力します。
    1. [テンプレートギャラリーのパイプライン] リストで、パイプラインテンプレートを選択します。
    2. 省略可: パイプライン実行を一意に識別するデフォルトの実行名を変更します。
    注: この手順では、[パイプライン実行の作成] ページのデフォルトインターフェースを使用してパイプライン実行を作成する方法について説明します。このページには、[実行の詳細] セクションと [ランタイムの構成] セクションがあります。テンプレートギャラリーのテンプレートの一部については、このページに追加のセクションがあります。たとえば、表形式分類 / 回帰の AutoML テンプレートには、[トレーニング方法]、[トレーニングオプション]、[コンピューティングと料金] セクションも含まれています。
  - ファイルをアップロード: コンパイル済みのパイプライン定義をアップロードするには、[ファイルをアップロード] をクリックして、次の詳細を入力します。
    1. [参照] をクリックしてファイルセレクタを開きます。実行するコンパイル済みパイプライン YAML ファイルに移動し、パイプラインを選択して [開く] をクリックします。
    2. [パイプライン名またはコンポーネント名] には、デフォルトでパイプライン定義で指定された名前が表示されます。必要に応じて、別のパイプライン名を指定します。
    3. パイプライン実行を一意に識別できるように [実行名] を指定します。
  - Cloud Storage からインポート: Cloud Storage からパイプライン定義ファイルをインポートするには、[Cloud Storage からインポート] をクリックして、次の詳細を入力します。
    1. [参照] をクリックしてパイプライン定義オブジェクトを含む Cloud Storage バケットに移動し、ファイルを選択して [選択] をクリックします。
    2. [パイプラインまたはコンポーネントの名前] を指定します。
    3. パイプライン実行を一意に識別できるように [実行名] を指定します。
2. 省略可: 繰り返しのパイプライン実行をスケジュールするには、次のように [実行スケジュール] を指定します。
  1. [繰り返し] を選択します。
  2. [開始時間] で、スケジュールがアクティブになる時間を指定します。
    - スケジュール作成の直後に初回実行をスケジュールするには、[今すぐ] を選択します。
    - 最初の実行を特定の日時に行うようにスケジュールするには、[オン] を選択します。
  3. [頻度] フィールドで、unix-cron に基づく Cron スケジュール式を使用して、パイプラインの実行をスケジュールして実行する頻度を指定します。
  4. [終了] で、スケジュールを終了するタイミングを指定します。
    - スケジュールによってパイプラインが無期限に実行されることを示すには、[無期限] を選択します。
    - スケジュールが特定の日時で終了することを示すには、[オン] を選択し、スケジュールの終了日時を指定します。
  5. 省略可: パイプラインの実行にカスタムサービスアカウント、顧客管理の暗号鍵（CMEK）、ピアリングされた VPC ネットワークのいずれかを指定するには、[詳細オプション] をクリックして次の操作を行います。
    - サービスアカウントを指定するには、[サービスアカウント] プルダウンリストからサービスアカウントを選択します。
      
      サービスアカウントを指定しない場合、Vertex AI Pipelines はデフォルトの Compute Engine サービスアカウントを使用してパイプラインを実行します。
      
      詳細については、Vertex AI Pipelines で使用するサービスアカウントの構成をご覧ください。
    - CMEK を使用するには、[顧客管理の暗号鍵を使用] を選択します。[顧客管理の暗号鍵を選択] プルダウンリストが表示されます。[顧客管理の暗号鍵を選択] プルダウンリストで、使用する鍵を選択します。
    - このパイプライン実行でピアリングされた VPC ネットワークを使用するには、[ピアリングした VPC ネットワーク] ボックスに VPC ネットワーク名を入力します。
3. [続行] をクリックします。
[ランタイムの構成] セクションで、次のようにパイプライン実行を構成します。
1. [Cloud Storage のロケーション] で [参照] をクリックし、パイプライン出力アーティファクトを保存する Cloud Storage バケットを選択して、[選択] をクリックします。
2. 省略可: パイプライン実行に失敗ポリシーとキャッシュを構成するには、[詳細オプション] をクリックして次の操作を行います。
  - [失敗ポリシー] で、パイプライン全体の失敗ポリシーを指定します。パイプラインの障害ポリシーの詳細を確認する。
    - 1 つのタスクが失敗した後もタスクのスケジュール設定を続行するようにパイプラインを構成するには、[すべてのステップを完了まで実行する] を選択します。このオプションは、デフォルトで選択されています。
    - 1 つのタスクが失敗するとパイプラインが失敗するように構成するには、[1 つのステップが失敗したら、すぐにこの実行を失敗扱いにする] を選択します。
  - [キャッシュの構成] で、パイプライン全体のキャッシュ構成を指定します。
    - パイプラインのタスクにタスクレベルのキャッシュ構成を使用するには、[タスクレベルのキャッシュ構成をオーバーライドしない] を選択します。
    - パイプライン内のすべてのタスクのキャッシュを有効にして、タスクレベルのキャッシュ構成をオーバーライドするには、[すべてのステップでキャッシュからの読み取りを有効にする（最短時間）] を選択します。
    - パイプライン内のすべてのタスクのキャッシュを無効にして、タスクレベルのキャッシュ構成をオーバーライドするには、[すべてのステップでキャッシュからの読み取りを無効にする（最短時間）] を選択します。
3. 省略可: パイプラインにパラメータがある場合は、[パイプラインパラメータ] で、パイプライン実行パラメータを指定します。
パイプライン実行を作成するには、[送信] をクリックします。

Vertex AI SDK for Python

Vertex AI SDK for Python を使用して ML パイプラインを実行する手順は次のとおりです。次のコードサンプルを実行する前に、認証を設定する必要があります。

認証を設定する

認証を設定するには、サービスアカウントキーを作成して、サービスアカウントキーへのパスを示す環境変数を設定する必要があります。

サービスアカウントを作成します。
1. Google Cloud コンソールで [サービスアカウントの作成] ページに移動します。
  
  [サービスアカウントの作成] に移動
2. [サービスアカウント名] フィールドに名前を入力します。
3. 省略可: [サービスアカウントの説明] フィールドに説明を入力します。
4. [作成] をクリックします。
5. [ロールを選択] フィールドをクリックします。[すべてのロール] で、[Vertex AI] > [Vertex AI ユーザー] を選択します。
6. [完了] をクリックして、サービスアカウントを作成します。
  
  ブラウザウィンドウは閉じないでください。次のステップでこれを使用します。
認証に使用するサービスアカウントキーを作成します。
1. Google Cloud コンソールで、作成したサービスアカウントのメールアドレスをクリックします。
2. [キー] をクリックします。
3. [鍵を追加]、[新しい鍵を作成] の順にクリックします。
4. [作成] をクリックします。JSON キーファイルがパソコンにダウンロードされます。
5. [閉じる] をクリックします。
新しいサービスアカウントに、パイプラインの実行に使用するサービスアカウントへのアクセスを許可します。
1. [] をクリックしてサービスアカウントのリストに戻ります。
2. パイプラインの実行に使用するサービスアカウントの名前をクリックします。[サービスアカウントの詳細] ページが表示されます。
  
  ガイドの手順に沿って Vertex AI Pipelines 用のプロジェクトを構成した場合、これは、細かな権限を持つサービスアカウントの構成で作成したサービスアカウントと同じになります。それ以外の場合、Vertex AI は Compute Engine のデフォルトサービスアカウントを使用してパイプラインを実行します。Compute Engine のデフォルトのサービスアカウントの名前は PROJECT_NUMBER-compute@developer.gserviceaccount.com です。
3. [権限] タブをクリックします。
4. [アクセス権を付与] をクリックします。[プリンシパルの追加] パネルが表示されます。
5. [新しいプリンシパル] ボックスに、前の手順で作成したサービスアカウントのメールアドレスを入力します。
6. [ロール] プルダウンリストで、[サービスアカウント] > [サービスアカウントユーザー] を選択します。
7. [保存] をクリックします。
環境変数 GOOGLE_APPLICATION_CREDENTIALS を、サービスアカウントキーが含まれる JSON ファイルのパスに設定します。この変数は現在の shell セッションにのみ適用されるため、新しいセッションを開く場合は、変数を再度設定します。

例: Linux または macOS

[PATH] をサービスアカウントキーが含まれる JSON ファイルのパスに置き換えます。
```
export GOOGLE_APPLICATION_CREDENTIALS="[PATH]"
```
次に例を示します。
```
export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"
```
例: Windows

[PATH] は、サービスアカウントキーが保存されている JSON ファイルのパスに置き換え、[FILE_NAME] はファイル名に置き換えます。

PowerShell を使用する場合:
```
$env:GOOGLE_APPLICATION_CREDENTIALS="[PATH]"
```
次に例を示します。
```
$env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\[FILE_NAME].json"
```
コマンドプロンプトを使用する場合:
```
set GOOGLE_APPLICATION_CREDENTIALS=[PATH]
```

パイプラインの実行

Vertex AI の PipelineJob を実行するには、PipelineJob オブジェクトを作成してから submit メソッドを呼び出す必要があります。

KFP でサポートされている特別な入力タイプ

パイプライン実行を作成する際に、KFP SDK でサポートされている次のプレースホルダを入力として渡すこともできます。

{{$.pipeline_job_name_placeholder}}
{{$.pipeline_job_resource_name_placeholder}}
{{$.pipeline_job_id_placeholder}}
{{$.pipeline_task_name_placeholder}}
{{$.pipeline_task_id_placeholder}}
{{$.pipeline_job_create_time_utc_placeholder}}
{{$.pipeline_root_placeholder}}

詳細については、Kubeflow Pipelines v2 ドキュメントの特殊な入力タイプをご覧ください。

from google.cloud import aiplatform

job = aiplatform.PipelineJob(display_name = DISPLAY_NAME,
                             template_path = COMPILED_PIPELINE_PATH,
                             job_id = JOB_ID,
                             pipeline_root = PIPELINE_ROOT_PATH,
                             parameter_values = PIPELINE_PARAMETERS,
                             enable_caching = ENABLE_CACHING,
                             encryption_spec_key_name = CMEK,
                             labels = LABELS,
                             credentials = CREDENTIALS,
                             project = PROJECT_ID,
                             location = LOCATION,
                             failure_policy = FAILURE_POLICY)

job.submit(service_account=SERVICE_ACCOUNT,
           network=NETWORK)

次のように置き換えます。

DISPLAY_NAME: パイプラインの名前。Google Cloud コンソールに表示されます。
COMPILED_PIPELINE_PATH: コンパイルされたパイプライン YAML ファイルのパス。ローカルパスまたは Cloud Storage URI を指定できます。

省略可: コンパイルされたパイプラインの特定のバージョンを指定するには、次のいずれかの形式でバージョンタグを配置します。
- COMPILED_PIPELINE_PATH:TAG。ここで、TAG はバージョンタグです。
- COMPILED_PIPELINE_PATH@SHA256_TAG。ここで、SHA256_TAG はパイプラインバージョンの sha256 ハッシュ値です。
JOB_ID: （省略可）このパイプライン実行の固有識別子。ジョブ ID が指定されていない場合は、Vertex AI Pipelines により、パイプライン名とジョブの開始時間のタイムスタンプを使用してジョブ ID が作成されます。
PIPELINE_ROOT_PATH: （省略可）パイプラインの定義で指定されたパイプラインルートパスをオーバーライドするには、パイプラインジョブがアクセスできるパス（Cloud Storage バケット URI など）を指定します。
PIPELINE_PARAMETERS: （省略可）この実行に渡すパイプラインパラメータ。たとえば、パラメータ名にディクショナリキーを使用し、パラメータ値にディクショナリ値を使用して、dict() を作成します。
ENABLE_CACHING: （省略可）このパイプライン実行で実行キャッシュを使用するかどうかを指定します。実行キャッシュを使用すると、現在の入力セットに対する出力が確認されているパイプラインタスクを省略することで、コストを削減できます。ENABLE_CACHING 引数を指定しない場合、このパイプライン実行で実行キャッシュが使用されます。実行キャッシュの詳細をご覧ください。
CMEK: （省略可）このパイプライン実行に使用する顧客管理の暗号鍵の名前。
LABELS: （省略可）この PipelineJob を整理するためにユーザーが定義したラベル。リソースラベルの詳細については、Resource Manager ドキュメントのラベルの作成と管理をご覧ください。

Vertex AI Pipelines は、パイプライン実行に次のラベルを自動的に付けます。

vertex-ai-pipelines-run-billing-id: pipeline_run_id

ここで、pipeline_run_id はパイプライン実行の一意の ID です。

このラベルは、請求レポートでパイプライン実行によって生成される Google Cloud リソースの使用量を関連付けます。
CREDENTIALS: （省略可）PipelineJob の作成に使用するカスタム認証情報。aiplatform.init に設定された認証情報をオーバーライドします。
PROJECT_ID: （省略可）パイプラインを実行する Google Cloud プロジェクト。このパラメータを設定しない場合は、aiplatform.init で設定されたプロジェクトが使用されます。
LOCATION: （省略可）パイプラインを実行するリージョン。Vertex AI Pipelines が利用可能なリージョンの詳細については、Vertex AI ロケーションガイドをご覧ください。このパラメータを設定しないと、aiplatform.init で設定されたデフォルトのロケーションが使用されます。
FAILURE_POLICY: 省略可。パイプライン全体の障害ポリシーを指定します。次の構成を使用できます。
- 1 つのタスクが失敗した後、パイプラインが失敗するように構成するには、「fast」と入力します。
- 1 つのタスクが失敗した後もタスクのスケジュールを継続するようにパイプラインを構成するには、「slow」と入力します。
このパラメータを設定しないと、エラーポリシーの構成はデフォルトの slow に設定されます。パイプラインの障害ポリシーの詳細を確認する。
SERVICE_ACCOUNT: 省略可。このパイプライン実行に使用するサービスアカウントの名前。サービスアカウントを指定しない場合、Vertex AI Pipelines はデフォルトの Compute Engine サービスアカウントを使用してパイプラインを実行します。
NETWORK: （省略可）このパイプライン実行に使用する VPC ピアリングネットワークの名前。