Esegui migrazione a Vertex AI

Vertex AI riunisce la piattaforma AI e i servizi AutoML precedenti in un'unica interfaccia utente e API unificata per semplificare il processo di creazione, addestramento e deployment dei modelli di machine learning. Con Vertex AI, puoi passare più velocemente dalla sperimentazione alla produzione, scoprire in modo efficiente schemi e anomalie, fare previsioni e decisioni migliori e rimanere agile di fronte alle mutevoli priorità e condizioni del mercato. In questa pagina vengono forniti i passaggi consigliati e altre informazioni utili pianifichi e implementi una migrazione a Vertex AI.

Vertex AI supporta tutte le funzionalità e i modelli disponibili nella precedente piattaforma AutoML e AI. Tuttavia, le librerie client non supportano la compatibilità con le versioni precedenti dell'integrazione del client. In altre parole, devi pianificare la migrazione delle tue risorse per usufruire delle funzionalità di Vertex AI.

Se stai pianificando un nuovo progetto, dovresti creare il tuo codice, job un set di dati o un modello con Vertex AI. Questo consente di sfruttare delle nuove funzionalità e dei miglioramenti ai servizi non appena diventano disponibili. Le versioni legacy di AutoML e AI Platform rimangono disponibili, ma su Vertex AI verranno implementati miglioramenti futuri.

Per aggiornare il codice esistente, segui questi passaggi consigliati: di job, set di dati e modelli dei database AutoML da AI Platform a Vertex AI.

Migrazione da AutoML legacy

Per aggiornare l'implementazione da AutoML legacy a Vertex AI, compila questi passaggi:

  1. Scopri le principali differenze tra AutoML legacy e Vertex AI in Vertex AI per gli utenti di AutoML legacy.

  2. Esamina le potenziali modifiche ai prezzi (consulta Prezzi di migrazione di Vertex AI).

  3. Fai l'inventario dei tuoi progetti, del tuo codice, dei tuoi job, delle tue set di dati, dei tuoi modelli e degli utenti di Google Cloud con accesso all'AutoML precedente. Utilizza le funzionalità di queste informazioni per determinare di quali risorse eseguire la migrazione e assicurarti che gli utenti corretti abbiano accesso Google Cloud.

  4. Esamina le modifiche ai ruoli IAM. aggiornare gli account di servizio e l'autenticazione per le risorse.

  5. Esamina l'elenco delle risorse di cui non puoi eseguire la migrazione e le informazioni sul processo di migrazione.

  6. Esegui la migrazione delle risorse utilizzando uno dei seguenti due metodi:

  7. Scopri come Vertex AI utilizza gli endpoint regionali.

  8. Identificare l'uso AutoML legacy API per determinare quali delle tue applicazioni li usano e identificare le chiamate al metodo di cui vuoi eseguire la migrazione.

  9. Aggiorna le applicazioni e i flussi di lavoro per utilizzare l'API Vertex AI e Funzionalità di Vertex AI.

  10. Pianifica il monitoraggio della quota di richieste. Vedi Quote e limiti.

Eseguire la migrazione da AI Platform

Per aggiornare l'implementazione da AI Platform a Vertex AI, segui questi passaggi:

  1. Scopri le principali differenze tra AI Platform e Vertex AI Vertex AI per AI Platform utenti.

  2. Esamina eventuali potenziali variazioni di prezzo (consulta la pagina relativa ai prezzi della migrazione a Vertex AI).

  3. Fai l'inventario di progetti, codice, job Google Cloud set di dati, modelli e utenti con accesso ad AI Platform. Utilizza le funzionalità di queste informazioni per determinare di quali risorse eseguire la migrazione e assicurarti che gli utenti corretti abbiano accesso Google Cloud.

  4. Esamina le modifiche ai ruoli IAM. aggiornare gli account di servizio e l'autenticazione per le risorse.

  5. Esamina l'elenco di risorse di cui non puoi eseguire la migrazione informazioni sul processo di migrazione.

  6. Esegui la migrazione delle risorse utilizzando uno dei seguenti due metodi:

  7. Scopri come Vertex AI utilizza a livello di regione endpoint.

  8. Identificare l'uso AI Platform API per determinare quali delle tue applicazioni li usano e identificare le chiamate al metodo di cui vuoi eseguire la migrazione.

  9. Aggiorna le applicazioni e i flussi di lavoro per utilizzare l'API Vertex AI e le funzionalità di Vertex AI.

  10. Pianifica il monitoraggio della quota delle richieste. Vedi Quote e limiti.

Prezzi della migrazione a Vertex AI

La migrazione è gratuita. Alle risorse create come risultato della migrazione si applicano gli addebiti standard (consulta la pagina Prezzi di Vertex AI). È stata eseguita la migrazione dei set di dati da AI Platform Data Labeling Service, legacy AutoML Vision, AutoML Video Intelligence legacy e AutoML Natural Language viene sottoposto a migrazione in un bucket Cloud Storage, che comporterà i costi di archiviazione (vedi Prezzi di Cloud Storage).

Dopo la migrazione, le risorse legacy sono ancora disponibili per l'uso in AutoML e AI Platform legacy. Per evitare costi inutili, arresta o elimina le risorse legacy dopo aver verificato che la migrazione degli oggetti è andata a buon fine.

La migrazione è un'operazione di copia. Dopo aver eseguito la migrazione di una risorsa, le modifiche apportate alla risorsa legacy non influiscono sulla risorsa di cui è stata eseguita la migrazione.

Confronto dei prezzi di Vertex AI con quelli del prodotto legacy

I costi di Vertex AI rimangono invariati rispetto a quelli dei prodotti legacy AI Platform e AutoML che sostituisce, con le seguenti eccezioni:

  • Le previsioni di AI Platform Prediction legacy supportavano tipi di macchine a basso costo con prestazioni limitate, che non sono supportati per Vertex AI Prediction e per i dati tabulari di AutoML.

  • Il prodotto legacy AI Platform Prediction supportava la scalabilità fino a zero, che non è supportata per Vertex AI Prediction.

Inoltre, Vertex AI offre diversi modi in più per ottimizzare i costi, ad esempio:

Identificare l'utilizzo delle API AutoML e AI Platform legacy

Puoi determinare quali delle tue applicazioni utilizzano le API AutoML e AI Platform precedenti, nonché i metodi che utilizzano. Usa queste informazioni come ausilio determinare se è necessario eseguire la migrazione di queste chiamate API Vertex AI.

Per identificare le chiamate API AutoML e AI Platform legacy di cui potresti voler eseguire la migrazione, consulta le seguenti opzioni.

Gestire le modifiche ai ruoli e alle autorizzazioni IAM

Vertex AI fornisce i seguenti ruoli IAM (Identity and Access Management):

  • aiplatform.admin
  • aiplatform.user
  • aiplatform.viewer
  • aiplatform.migrator

Solo aiplatform.admin e aiplatform.migrator hanno la possibilità di eseguire la migrazione delle risorse da AutoML e AI Platform legacy a Vertex AI. aiplatform.user e aiplatform.viewer non possono eseguire la migrazione delle risorse.

Per ulteriori informazioni sui ruoli IAM, consulta Controllo dell'accesso.

Risorse di cui non è possibile eseguire la migrazione

Lo strumento di migrazione al momento non può eseguire la migrazione di tutte le risorse e in alcune la migrazione dei casi è limitata. Tieni presente le seguenti eccezioni quando pianifichi la migrazione.

AutoML Natural Language precedente

  • Il testo dei PDF non è supportato in Vertex AI, quindi La migrazione del testo PDF della versione precedente di AutoML Natural Language viene eseguita come testo normale grazie al riconoscimento ottico dei caratteri.

  • Non è possibile eseguire la migrazione di set di dati vuoti.

  • Impossibile eseguire la migrazione dei job di previsione batch.

AutoML Video Intelligence precedente

  • Modelli creati in una versione alpha di non è possibile eseguire la migrazione della versione precedente di AutoML Video.

  • Non è possibile eseguire la migrazione di set di dati vuoti.

  • Non è possibile eseguire la migrazione dei job di previsione batch.

AutoML Vision legacy

  • Modelli creati in una versione alpha di non è possibile eseguire la migrazione della versione precedente di AutoML Vision.

  • Non è possibile eseguire la migrazione di set di dati vuoti.

  • Impossibile eseguire la migrazione dei job di previsione batch.

AI Platform

  • Non è possibile eseguire la migrazione di tutti i modelli. I modelli di cui è possibile eseguire la migrazione hanno le seguenti caratteristiche:

    • L'esecuzione versione deve essere 1,15 o superiore.

    • Il framework deve essere uno dei seguenti:

      • TensorFlow
      • scikit-learn
      • XGBoost

    • La versione Python deve essere la 3.7 o successiva.

  • Se signature-name del modello AI Platform è stato eseguito è cambiato rispetto al valore predefinito, serving_default, potrebbe migrare a Vertex AI ma non funzionerà.

  • La migrazione delle routine di previsione personalizzate non viene eseguita.

  • I job eseguiti su AI Platform non sono di cui è stata eseguita la migrazione. Puoi scaricare i metadati per conservare i tuoi dati.

  • Gli script, i pacchetti o i container Docker Python che esegui su AI Platform Training non sono migrabili automaticamente, ma puoi aggiornare gli script per consentirne l'esecuzione su Vertex AI.

Informazioni sulla procedura di migrazione

Prima di eseguire la migrazione delle risorse, esamina le seguenti informazioni.

  • Lo strumento di migrazione crea una copia delle tue risorse.

    Lo strumento di migrazione crea una versione duplicata della versione precedente set di dati e modelli AutoML e AI Platform Vertex AI. Le risorse legacy non vengono eliminate. Se vuoi, puoi eseguire la migrazione della stessa risorsa più volte per creare più copie.

  • Il deployment dei modelli di cui è stata eseguita la migrazione viene annullato.

    Per i tipi di dati che supportano le previsioni online, devi creare un endpoint ed eseguire il deployment del modello in quell'endpoint prima che il modello possa essere utilizzato per fornire previsioni online.

  • Quando viene eseguita la migrazione di un modello AutoML legacy, lo strumento di migrazione crea contemporaneamente un job di addestramento.

  • I set di dati di cui è stata eseguita la migrazione per alcuni tipi di dati e scopi potrebbero non contenere gli stessi dati del set di dati corrente.

    I set di dati per determinati tipi di dati vengono reimportati dall'origine dati originale anziché copiati dal set di dati esistente. Se l'originale l'origine dati è stata modificata, il set di dati di cui è stata eseguita la migrazione rifletterà modifiche. Questo avvertimento si applica ai seguenti tipi di dati e obiettivi:

    • Set di dati legacy di estrazione delle entità di AutoML Natural Language
    • Set di dati legacy di AutoML Video per la classificazione e il monitoraggio degli oggetti
    • Set di dati legacy di rilevamento degli oggetti di AutoML Vision

Utilizzare lo strumento di migrazione

Vertex AI fornisce uno strumento di migrazione per aiutarti i set di dati e i modelli della versione precedente di AutoML da AI Platform a Vertex AI.

Passaggi per utilizzare lo strumento di migrazione

Per utilizzare lo strumento di migrazione per eseguire la migrazione dei set di dati e dei modelli a Vertex AI, completa i seguenti passaggi.

  1. Se non hai ancora attivato l'API Vertex AI, nella pagina Dashboard di Vertex AI della console Google Cloud, fai clic su Attiva l'API Vertex AI.

  2. Nella dashboard di Vertex AI pagina nel Console Google Cloud, in Esegui la migrazione a Vertex AI, fai clic su Configura migrazione.

  3. In Seleziona le risorse per la migrazione, seleziona fino a 50 asset di cui eseguire la migrazione. Se necessario, puoi ripeti questi passaggi per eseguire la migrazione di altri asset in un secondo momento.

  4. Fai clic su Avanti ed esamina il riepilogo degli asset che ti interessano. di cui eseguire la migrazione.

  5. Fai clic su Esegui la migrazione degli asset. La migrazione può richiedere un'ora o più, a seconda sul numero di asset di cui viene eseguita la migrazione. Lo strumento di migrazione ti invia un'email al termine della migrazione.

Utilizzare le librerie e i metodi client per eseguire la migrazione delle risorse

Utilizza la batchMigrateResources() e i relativi metodi per eseguire la migrazione delle risorse.

Fai riferimento all'API Vertex AI documentazione di riferimento, se necessario guida.

Endpoint regionali

Gli endpoint dell'API Vertex AI sono a livello di regione. Ad esempio:

us-central1-aiplatform.googleapis.com

Gli endpoint globali non sono supportati per Vertex AI.

Consulta l'elenco degli endpoint supportati nella documentazione di riferimento.

Aggiorna gli script di addestramento da eseguire in Vertex AI

Gli script, i pacchetti o i container Docker Python su cui esegui AI Platform Training richiede le seguenti modifiche specifiche per l'esecuzione Vertex AI.

  • Per i job che scrivono gli output in Cloud Storage, in Vertex AI devi indicare l'URI Cloud Storage per diversi tipi di output tramite le variabili di ambiente. Nella AI Platform, l'URI Cloud Storage è in genere indicato con l'argomento della riga di comando --job-dir.

  • In Vertex AI, la variabile TF_CONFIG utilizza il termine chief per fare riferimento alla macchina principale. In alcuni casi, in AI Platform viene utilizzato il terminemaster.

  • Quando invii un job di addestramento personalizzato in Vertex AI, specifica URI Artifact Registry di un predefinito che corrisponde al tuo framework completamente gestita. In AI Platform, specifichi una versione di runtime che include il framework e la relativa versione che vuoi utilizzare.

  • Non tutti i tipi di macchina supportati da AI Platform sono supportati da Vertex AI.

Passaggi successivi