Vertex AI reúne los servicios de AI Platform y AutoML heredado en una IU y una API unificadas para simplificar el proceso de compilación, entrenamiento y, también, implementación de modelos de aprendizaje automático. Con Vertex AI, puedes pasar de la experimentación a la producción más rápido, descubrir patrones y anomalías de forma eficiente, tomar mejores predicciones y decisiones y mantenerte ágil frente a cambios en las prioridades y las condiciones del mercado. En esta página, se proporcionan pasos recomendados y otra información para ayudarte a planificar y a implementar una migración a Vertex AI.
Vertex AI admite todas las características y los modelos disponibles en AutoML heredado y AI Platform. Sin embargo, las bibliotecas cliente no admiten la retrocompatibilidad de la integración de clientes. En otras palabras, debes planear la migración de tus recursos para beneficiarte de las características de Vertex AI.
Si planeas un proyecto nuevo, debes compilar tu código, trabajo, conjunto de datos o modelo con Vertex AI. Esto te permite aprovechar las nuevas características y mejoras del servicio a medida que están disponibles. AutoML heredado y AI Platform seguirán disponibles, pero se implementarán mejoras futuras en Vertex AI.
Pasos recomendados para migrar a Vertex AI
Usa los siguientes pasos recomendados para actualizar el código, los trabajos, los conjuntos de datos y los modelos existentes de AutoML heredado y AI Platform a Vertex AI.
Migra desde AutoML heredado
Para actualizar tu implementación de AutoML heredado a Vertex AI, completa estos pasos:
Lee sobre las principales diferencias entre AutoML heredado y Vertex AI en Vertex AI para usuarios de AutoML heredado.
Revisa cualquier posible cambio en los precios (consulta los precios de migración a Vertex AI).
Realiza un inventario de tus proyectos, códigos, trabajos, conjuntos de datos, modelos y usuarios de Google Cloud con acceso a AutoML heredado. Usa esta información para determinar qué recursos migrar y asegurarte de que los usuarios correctos tengan acceso a los recursos migrados.
Revisa los cambios en las funciones de IAM y, luego, actualiza las cuentas de servicio y la autenticación para tus recursos.
Revisa la lista de recursos que no puedes migrar y la información sobre el proceso de migración.
Migra tus recursos con alguno de estos dos métodos:
Lee acerca de cómo Vertex AI usa extremos regionales.
Identifica el uso de las APIs de AutoML heredado para ayudar a determinar cuáles aplicaciones las usan y también identificar las llamadas de método que deseas migrar.
Planifica la supervisión de la cuota de solicitud. Consulta Cuotas y límites.
Migra desde AI Platform
Para actualizar tu implementación de AI Platform a Vertex AI, completa estos pasos:
Obtén información sobre las principales diferencias entre AI Platform y Vertex AI en Vertex AI para usuarios de AI Platform.
Revisa cualquier posible cambio en los precios (consulta los precios de migración a Vertex AI).
Realiza un inventario de tus proyectos, códigos, trabajos, conjuntos de datos, modelos y usuarios de Google Cloud con acceso a AI Platform. Usa esta información para determinar qué recursos migrar y asegurarte de que los usuarios correctos tengan acceso a los recursos migrados.
Revisa los cambios en las funciones de IAM y, luego, actualiza las cuentas de servicio y la autenticación para tus recursos.
Revisa la lista de recursos que no puedes migrar y la información sobre el proceso de migración.
Migra tus recursos con alguno de estos dos métodos:
Lee acerca de cómo Vertex AI usa extremos regionales.
Identifica el uso de las API de AI Platform para ayudar a determinar cuáles de tus aplicaciones las usan y también identificar las llamadas de método que deseas migrar.
Planifica la supervisión de la cuota de solicitud. Consulta Cuotas y límites.
Precios de las migraciones a Vertex AI
La migración es gratuita. Los recursos que se crean como resultado de la migración generan cobros estándares (consulta Precios de Vertex AI). Los conjuntos de datos que se migran desde el Servicio de etiquetado de datos de AI Platform, AutoML Vision heredado, AutoML Video Intelligence heredado y AutoML Natural Language heredado migran a un bucket de Cloud Storage, lo que genera costos de almacenamiento (consultaPrecios de Cloud Storage).
Después de la migración, los recursos heredados aún estarán disponibles para su uso en AutoML heredado y AI Platform. Para evitar costos innecesarios, cierra o borra los recursos heredados después de verificar que tus objetos se hayan migrado correctamente.
La migración es una operación de copiado. Después de migrar un recurso, los cambios en el recurso heredado no afectan el recurso migrado.
Precios de Vertex AI en comparación con los precios de los productos heredados
Los costos de Vertex AI siguen siendo los mismos que los de los productos heredados de AI Platform y AutoML que Vertex AI reemplaza, con las siguientes excepciones:
Las predicciones heredadas de AI Platform Prediction admitían tipos de máquinas de menor costo y menor rendimiento que no son compatibles con Vertex AI Prediction ni en el modelo tabular de AutoML.
AI Platform Prediction es compatible con la reducción de escala a cero, que no es compatible con Vertex AI Prediction.
Vertex AI también ofrece más formas de optimizar los costos, como las siguientes:
Compatibilidad con modelos de hosting compartido
No hay una duración mínima de uso para el entrenamiento y la predicción. En cambio, el uso se cobra en incrementos de 30 segundos.
Identifica el uso de las APIs de AutoML heredado y AI Platform
Puedes determinar cuáles de tus aplicaciones usan las APIs de AutoML heredado y AI Platform, así como qué métodos usan. Usa esta información para determinar si es necesario migrar estas llamadas a la API a Vertex AI.
Para identificar las llamadas a la API de AutoML heredado y AI Platform que deseas migrar, consulta las siguientes opciones.
Para cada uno de tus proyectos, ve al Panel de APIs y servicios para ver una lista de las APIs de los productos que usa el proyecto. Para obtener más información, consulta Supervisa el uso de la API.
Si está habilitado, puedes verificar los registros de auditoría creados por AutoML heredado, AI Platform Training y AI Platform Prediction como parte de los registros de auditoría de Cloud.
Para ver el uso de los métodos específicos de la API de Prediction y de AI Platform Training, ve a la página de métricas de la API de Prediction y de AI Platform Training.
Administra cambios en las funciones y los permisos de IAM
Vertex AI proporciona las siguientes funciones de administración de identidades y accesos (IAM):
aiplatform.admin
aiplatform.user
aiplatform.viewer
aiplatform.migrator
Solo aiplatform.admin
y aiplatform.migrator
tienen la capacidad de migrar recursos de AutoML heredado y AI Platform a Vertex AI. aiplatform.user
y aiplatform.viewer
no pueden migrar recursos.
Para obtener más información sobre las funciones de IAM, consulta Control de acceso.
Recursos que no se pueden migrar
Por el momento, la herramienta de migración no puede migrar todos los recursos y, en algunos casos, la migración es limitada. Ten en cuenta las siguientes excepciones cuando planifiques tu migración.
AutoML Natural Language heredado
El texto PDF no es compatible con Vertex AI, por lo que el texto PDF de AutoML Natural Language heredado se migra como texto sin formato generado por el reconocimiento óptico de caracteres.
Los conjuntos de datos vacíos no se pueden migrar.
Los trabajos de predicción por lotes no se pueden migrar.
AutoML Video Intelligence heredado
Los modelos creados en una versión alfa de AutoML Video heredado no se pueden migrar.
Los conjuntos de datos vacíos no se pueden migrar.
Los trabajos de predicción por lotes no se pueden migrar.
AutoML Vision heredado
Los modelos creados en una versión Alfa de AutoML Vision heredado no se pueden migrar.
Los conjuntos de datos vacíos no se pueden migrar.
Los trabajos de predicción por lotes no se pueden migrar.
AI Platform
No todos los modelos se pueden migrar. Los modelos que se pueden migrar tienen las siguientes características:
La versión del entorno de ejecución debe ser 1.15 o superior.
El framework debe ser uno de los siguientes:
- TensorFlow
- scikit-learn
- XGBoost
La versión de Python debe ser 3.7 o superior.
Si la marca
signature-name
de un modelo de AI Platform se cambió del valor predeterminado,serving_default
, puede migrar a Vertex AI, pero no funcionará.No se migran las rutinas de predicción personalizadas.
No se migran los trabajos que se ejecutan en AI Platform. Puedes descargar los metadatos para tenerlos en tus registros.
Las secuencias de comandos de Python, los paquetes o los contenedores de Docker que ejecutas en AI Platform Training no se pueden migrar automáticamente, pero puedesactualizar tus secuencias de comandos para permitir que se ejecuten en Vertex AI.
Acerca del proceso de migración
Antes de migrar los recursos, revisa la siguiente información.
La herramienta de migración crea una copia de tus recursos.
La herramienta de migración crea una versión duplicada de los conjuntos de datos y modelos de AutoML heredado y AI Platform en Vertex AI. No se borran tus recursos heredados. Si lo deseas, puedes migrar el mismo recurso varias veces para crear varias copias.
No se implementan los modelos migrados.
Para los tipos de datos que admiten la predicción en línea, debes crear un extremo y, luego, implementar el modelo en ese extremo para poder usarlo a fin de entregar predicciones en línea.
Cuando se migra un modelo heredado de AutoML, la herramienta de migración crea de forma automática un trabajo de entrenamiento al mismo tiempo.
Es posible que los conjuntos de datos migrados para algunos tipos de datos y objetivos no contengan los mismos datos que el conjunto de datos actual.
Los conjuntos de datos para ciertos tipos de datos se vuelven a importar desde la fuente de datos original, en lugar de copiarse del conjunto de datos existente. Si se cambió la fuente de datos original, el conjunto de datos migrado reflejará esos cambios. Esta advertencia se aplica a los siguientes tipos de datos y objetivos:
- Conjuntos de datos de extracción de entidades de AutoML Natural Language heredado
- Conjuntos de datos de seguimiento y clasificación de objetos y de AutoML Video heredado
- Conjuntos de datos de detección de objetos de AutoML Vision heredado
Usa la herramienta de migración
Vertex AI proporciona una herramienta de migración para ayudarte a migrar los conjuntos de datos y modelos de AutoML heredado y AI Platform a Vertex AI.
Pasos para usar la herramienta de migración
Para usar la herramienta de migración a fin de migrar tus conjuntos de datos y modelos a Vertex AI, completa los siguientes pasos.
Si aún no habilitaste la API de Vertex AI, en la página del panel de Vertex AI en la consola de Google Cloud, haz clic enHabilitar la API de Vertex AI.
En la página del panel de Vertex AI en la consola de Google Cloud, en Migra a Vertex AI, haz clic en Configurar migración.
En Seleccionar recursos para migrar, selecciona hasta 50 elementos para migrar. De ser necesario, puedes repetir estos pasos para migrar más elementos más adelante.
Haz clic en Siguiente y revisa el resumen de los elementos que deseas migrar.
Haz clic en Migrar elementos. La migración puede tardar una hora o más, según la cantidad de elementos que se migren. La herramienta de migración te envía un correo electrónico cuando finaliza la migración.
Usa los métodos y las bibliotecas cliente para migrar recursos
Usa el método batchMigrateResources()
y los métodos relacionados para migrar tus recursos.
Consulta la documentación de referencia de la API de Vertex AI si necesitas ayuda.
Extremos regionales
Los extremos de la API de Vertex AI son regionales. Por ejemplo:
us-central1-aiplatform.googleapis.com
Los extremos globales no son compatibles con Vertex AI.
Consulta la lista de extremos compatibles en la documentación de referencia.
Actualiza las secuencias de comandos de entrenamiento para que se ejecuten en Vertex AI
Las secuencias de comandos de Python, los paquetes o los contenedores de Docker que ejecutas en AI Platform Training requieren que los siguientes cambios específicos se ejecuten en Vertex AI.
Para trabajos que escriben resultados en Cloud Storage, en Vertex AI, debes indicar el URI de Cloud Storage para distintos tipos de resultados a través de variables de entorno. En AI Platform, el URI de Cloud Storage se suele indicar con el argumento de línea de comandos
--job-dir
.En Vertex AI, la variable
TF_CONFIG
usa el términochief
para hacer referencia a la máquina principal. En AI Platform, en algunos casos, usa el términomaster
.Cuando envíes un trabajo de entrenamiento personalizado en Vertex AI, especifica el URI de Artifact Registry de un contenedor compilado previamente que corresponda a tu marco de trabajo y versión de marco de trabajo. En AI Platform, especificas una versión del entorno de ejecución que incluya el framework y la versión de este que deseas usar.
No todos los tipos de máquina que admite AI Platform son compatibles con Vertex AI.
- Los tipos de máquinas heredados y los niveles de escala de AI Platform Training no son compatibles con Vertex AI. Solo se admiten los tipos de máquinas de Compute Engine más recientes.
- Las GPU compatibles son P4, T4, P100 y V100.
- Las TPU no son compatibles.
¿Qué sigue?
Lee Migra tus aplicaciones a la API de Vertex AI para ayudar a determinar los cambios que necesitas realizar cuando migras tus aplicaciones de AutoML heredado o AI Platform a Vertex AI.
Para ayudarte a comenzar a usar Vertex AI, consulta la documentación de introducción.
Para obtener información sobre cómo entrenar un modelo nuevo en Vertex AI, prueba uno de los instructivos de Vertex AI.