Vertex AI regroupe les services AI Platform et AutoML dans une interface utilisateur et une API unifiées pour simplifier le processus de création, d'entraînement et de déploiement de modèles de machine learning. Avec Vertex AI, vous pouvez passer plus rapidement des tests à la production, découvrir efficacement des modèles et des anomalies, améliorer les prédictions et la prise de décision, et rester agile face à l'évolution des priorités et des conditions du marché. Cette page fournit une procédure recommandée ainsi que d'autres informations pour vous aider à planifier et mettre en œuvre une migration vers Vertex AI.
L'IA Vertex est compatible avec toutes les fonctionnalités et modèles disponibles dans AutoML et AI Platform. Toutefois, les bibliothèques clientes ne permettent pas la rétrocompatibilité avec les intégrations client. En d'autres termes, vous devez planifier la migration de vos ressources pour bénéficier des fonctionnalités Vertex AI.
Si vous préparez un nouveau projet, nous vous conseillons de créer votre code, votre tâche, votre ensemble de données ou votre modèle avec l'IA Vertex. Cela vous permettra de tirer parti des nouvelles fonctionnalités et des améliorations du service dès qu'elles sont disponibles. AutoML et AI Platform restent disponibles, mais les futures améliorations seront mises en œuvre sur Vertex AI.
Procédure recommandée pour migrer vers l'IA Vertex
Suivez la procédure recommandée suivante pour mettre à jour votre code, vos tâches, vos ensembles de données et vos modèles existants d'AutoML et d'AI Platform vers l'IA Vertex.
Migrer depuis AutoML
Pour mettre à jour votre mise en œuvre d'AutoML vers Vertex AI, procédez comme suit :
Découvrez les principales différences entre AutoML et Vertex AI sur la page Vertex AI pour les utilisateurs d'AutoML.
Examinez les modifications potentielles concernant les tarifs (consultez la section Tarifs de migration pour l'IA Vertex).
Faites l'inventaire de votre code et de vos projets, tâches, ensembles de données, modèles et utilisateurs Google Cloud avec un accès à AutoML. Utilisez ces informations pour déterminer les ressources à migrer et pour vous assurer que seuls les bons utilisateurs ont accès aux ressources migrées.
Passez en revue les modifications apportées aux rôles IAM, puis mettez à jour les comptes de service et l'authentification pour vos ressources.
Consultez la liste des ressources que vous ne pouvez pas migrer et les informations sur le processus de migration.
Vous pouvez migrer vos ressources à l'aide des deux méthodes suivantes :
Découvrez comment Vertex AI utilise des points de terminaison régionaux.
Identifiez l'utilisation des API AutoML afin de déterminer quelles applications les utilisent et d'identifier les appels de méthode que vous souhaitez migrer.
Planifiez la surveillance du quota de requêtes. Consultez la page Quotas et limites pour en savoir plus.
Migrer depuis AI Platform
Pour passer de AI Platform à Vertex AI, procédez comme suit :
Pour connaître les principales différences entre AI Platform et Vertex AI, consultez la page Vertex AI pour les utilisateurs d'AI Platform.
Examinez les modifications potentielles concernant les tarifs (consultez la section Tarifs de migration pour l'IA Vertex).
Faites l'inventaire de votre code et de vos tâches, ensembles de données, modèles, utilisateurs et projets Google Cloud avec un accès à AI Platform. Utilisez ces informations pour déterminer les ressources à migrer et pour vous assurer que seuls les bons utilisateurs ont accès aux ressources migrées.
Passez en revue les modifications apportées aux rôles IAM, puis mettez à jour les comptes de service et l'authentification pour vos ressources.
Consultez la liste des ressources que vous ne pouvez pas migrer et les informations sur le processus de migration.
Vous pouvez migrer vos ressources à l'aide des deux méthodes suivantes :
Découvrez comment Vertex AI utilise des points de terminaison régionaux.
Identifiez l'utilisation des API AI Platform afin de déterminer quelles applications les utilisent et d'identifier les appels de méthode que vous souhaitez migrer.
Planifiez la surveillance du quota de requêtes. Consultez la page Quotas et limites pour en savoir plus.
Tarification des migrations AI Vertex
La migration est gratuite. Les ressources créées à la suite d'une migration entraînent des frais standards (consultez la section Tarifs de Vertex AI). Les ensembles de données migrés depuis le service d'étiquetage de données AI Platform, AutoML Vision, AutoML Video Intelligence et AutoML Natural Language sont transférés vers un bucket Cloud Storage, ce qui entraîne des frais de stockage (voir les Tarifs de Cloud Storage).
Après la migration, les anciennes ressources restent disponibles dans AutoML et AI Platform. Pour éviter des coûts inutiles, arrêtez ou supprimez les anciennes ressources après avoir confirmé la migration réussie de vos objets.
La migration est une opération de copie. Après la migration d'une ressource, les modifications apportées à l'ancienne ressource n'affectent pas la ressource migrée.
Tarifs de Vertex AI par rapport aux tarifs des anciens produits
Les coûts de Vertex AI restent les mêmes que ceux des anciens produits AI Platform et AutoML qu'il remplace, à l'exception des points suivants :
Les prédictions des anciennes plateformes AI Platform Prediction et AutoML Tables prenaient en charge des types de machines moins coûteux et moins performants qui ne sont pas pris en charge par Vertex AI Prediction et AutoML Tabular.
L'ancienne plateforme AI Platform Prediction prenait en charge le scaling à zéro instance, ce qui n'est pas le cas de Vertex AI Prediction.
Vertex AI offre également plus de moyens d'optimiser les coûts :
Prise en charge des modèles de co-hébergement.
Aucune durée d'utilisation minimale pour l'entraînement et la prédiction. Au lieu de cela, l'utilisation est facturée par tranches de 30 secondes.
Identifier l'utilisation des API AutoML et AI Platform
Vous pouvez déterminer quelles applications utilisent les API AutoML et AI Platform ainsi que les méthodes qu'elles utilisent. Utilisez ces informations pour déterminer si ces appels d'API doivent être migrés vers la solution d'IA Vertex.
Pour identifier les appels d'API AutoML et AI Platform à migrer, consultez les options suivantes.
Pour chacun de vos projets, accédez au tableau de bord des API et services afin d'obtenir la liste des API de produits utilisées par le projet. Pour en savoir plus, consultez la page Surveiller l'utilisation des API.
Si cette option est activée, vous pouvez consulter les journaux d'audit créés par AutoML, AI Platform Training et AI Platform Prediction dans le cadre des journaux d'audit Cloud.
Pour connaître l'utilisation de méthodes spécifiques de l'API AI Platform Training and Prediction, accédez à la page Métriques de l'API AI Platform Training and Prediction.
Gérer les modifications apportées aux rôles et aux autorisations IAM
Vertex AI fournit les rôles IAM (Identity and Access Management) suivants :
aiplatform.admin
aiplatform.user
aiplatform.viewer
aiplatform.migrator
Seuls aiplatform.admin
et aiplatform.migrator
peuvent migrer des ressources d'AutoML et d'AI Platform vers l'IA Vertex. aiplatform.user
et aiplatform.viewer
ne peuvent pas migrer des ressources.
Pour en savoir plus sur les rôles IAM, consultez la page Contrôle des accès.
Ressources qui ne peuvent pas être migrées
L'outil de migration ne peut actuellement pas migrer toutes les ressources. Dans certains cas, la migration est limitée. Tenez compte des exceptions suivantes lorsque vous planifiez votre migration.
AutoML Natural Language
Le texte au format PDF n'est pas compatible avec Vertex AI. Par conséquent, le texte PDF d'AutoML Natural Language est migré en texte brut généré par la reconnaissance optique des caractères.
Les ensembles de données vides ne peuvent pas être migrés.
Les jobs de prédiction par lot ne peuvent pas être migrés.
AutoML Tables
Les modèles créés dans une version alpha d'AutoML Tables ne peuvent pas être migrés.
Les ensembles de données vides ne peuvent pas être migrés.
Les jobs de prédiction par lot ne peuvent pas être migrés.
AutoML Video Intelligence
Les modèles créés dans une version alpha d'AutoML Video ne peuvent pas être migrés.
Les ensembles de données vides ne peuvent pas être migrés.
Les jobs de prédiction par lot ne peuvent pas être migrés.
AutoML Vision
Les modèles créés dans une version alpha d'AutoML Vision ne peuvent pas être migrés.
Les ensembles de données vides ne peuvent pas être migrés.
Les jobs de prédiction par lot ne peuvent pas être migrés.
AI Platform
Tous les modèles ne peuvent pas être migrés. Les modèles pouvant être migrés présentent les caractéristiques suivantes :
La version d'exécution doit être 1.15 ou ultérieure.
Le framework doit être l'un des suivants :
- TensorFlow
- scikit-learn
- XGBoost
Vous devez utiliser Python 3.7 ou une version ultérieure.
Si l'option
signature-name
d'un modèle AI Platform a été modifiée de la valeur par défaut (serving_default
), il peut être migré vers l'IA Vertex, mais ne fonctionnera pas.Les routines de prédiction personnalisées ne sont pas migrées.
Les tâches exécutées sur AI Platform ne sont pas migrées. Vous pouvez télécharger les métadonnées à des fins de référence.
Les scripts Python, packages ou conteneurs Docker que vous exécutez sur AI Platform Training ne peuvent pas être migrés automatiquement. Cependant, vous pouvezmettre à jour vos scripts pour permettre leur exécution sur Vertex AI.
À propos du processus de migration
Avant de migrer vos ressources, commencez par consulter les informations suivantes.
L'outil de migration crée une copie de vos ressources.
L'outil de migration crée une version en double de vos modèles et ensembles de données AutoML et AI Platform sur Vertex AI. Vos anciennes ressources ne sont pas supprimées. Si vous le souhaitez, vous pouvez migrer plusieurs fois la même ressource pour créer plusieurs copies.
Le déploiement des modèles migrés est annulé.
Pour les types de données compatibles avec la prédiction en ligne, vous devez créer un point de terminaison et déployer le modèle sur ce point de terminaison avant de pouvoir l'utiliser pour diffuser des prédictions en ligne.
Lorsqu'un modèle AutoML est migré, l'outil de migration crée automatiquement une tâche d'entraînement en même temps.
Les ensembles de données migrés pour certains types de données et objectifs peuvent ne pas contenir les mêmes données que l'ensemble de données original.
Les ensembles de données pour certains types de données sont réimportés à partir de la source de données d'origine plutôt que d'être copiés à partir de l'ensemble de données existant. Si la source de données d'origine a été modifiée, l'ensemble de données migré reflète ces modifications. Cette mise en garde s'applique aux types de données et objectifs suivants :
- Ensembles de données d'extraction d'entités AutoML Natural Language
- Ensembles de données de classification et de suivi d'objets AutoML Video
- Ensembles de données de détection d'objets AutoML Vision
Les ensembles de données tabulaires migrés sont exportés dans le cadre du processus de migration.
Dans l'IA Vertex, la source de données d'un ensemble de données tabulaire est référencée plutôt que importée (en savoir plus). Un ensemble de données tabulaire migré est exporté à partir de l'ensemble de données AutoML Tables, stocké en tant que fichier CSV dans Cloud Storage ou dans une table BigQuery de votre projet, puis référencé par l'ensemble de données migré.
Utiliser l'outil de migration
Vertex AI fournit un outil de migration pour vous aider à migrer vos ensembles de données et modèles depuis AutoML et AI Platform vers l'IA Vertex.
Procédure d'utilisation de l'outil de migration
Pour utiliser l'outil de migration pour migrer vos ensembles de données et modèles vers Vertex AI, procédez comme suit :
Si vous n'avez pas encore activé l'API Vertex AI, vous pouvez le faire en accédant à la page du tableau de bord Vertex AI dans Google Cloud Console, et en cliquant sur Activer l'API Vertex AI.
Sur la page Tableau de bord Vertex AI de Google Cloud Console, sous Migrer vers Vertex AI, cliquez sur Configurer la migration
Sous Sélectionner les ressources à migrer, sélectionnez jusqu'à 50 éléments à transférer. Si nécessaire, vous pouvez répéter ces étapes pour migrer davantage d'éléments par la suite.
Cliquez sur Suivant puis passez en revue le récapitulatif des éléments à migrer.
Cliquez sur Migrer les éléments. En fonction du nombre d'éléments migrés, la migration peut prendre une heure ou plus. L'outil de migration vous envoie un e-mail lorsque la migration est terminée.
Utiliser les bibliothèques clientes et les méthodes pour migrer des ressources
Utilisez la méthode batchMigrateResources()
et les méthodes associées pour migrer vos ressources.
Reportez-vous à la documentation de référence sur l'API Vertex AI si vous avez besoin d'aide.
Points de terminaison régionaux
Les points de terminaison de l'API Vertex AI sont régionaux. Exemple :
us-central1-aiplatform.googleapis.com
Les points de terminaison mondiaux ne sont pas compatibles avec l'IA Vertex.
Consultez la liste des points de terminaison compatibles dans la documentation de référence.
Mettre à jour les scripts d'entraînement à exécuter dans Vertex AI
Les scripts Python, les packages ou les conteneurs Docker que vous exécutez sur AI Platform Training nécessitent les modifications spécifiques suivantes pour s'exécuter sur la plate-forme d'IA Vertex.
Pour les tâches qui écrivent des sorties dans Cloud Storage, dans l'IA Vertex, vous devez spécifier l'URI Cloud Storage pour différents types de sorties via des variables d'environnement. Dans AI Platform, l'URI Cloud Storage est généralement spécifié avec l'argument de ligne de commande
--job-dir
.Dans Vertex AI, la variable
TF_CONFIG
utilise le termechief
pour faire référence à la machine principale. Dans AI Platform, le termemaster
est utilisé dans certains cas.Lorsque vous envoyez un job d'entraînement personnalisé dans Vertex AI, spécifiez l'URI Artifact Registry d'un conteneur prédéfini correspondant à votre framework et à votre version de framework. Dans AI Platform, vous spécifiez une version d'exécution incluant le framework et la version du framework que vous souhaitez utiliser.
Les types de machines compatibles avec AI Platform ne sont pas tous compatibles avec l'IA Vertex.
- Les anciens types de machines et les niveaux d'évolutivité d'AI Platform Training ne sont pas compatibles avec l'IA Vertex. Seuls les nouveaux types de machines Compute Engine sont compatibles.
- Les GPU compatibles sont les P4, T4, K80, P100 et V100.
- Les TPU ne sont pas compatibles.
Étape suivante
Consultez la page Migrer vos applications vers Vertex AI pour déterminer les modifications que vous devez apporter lorsque vous migrez vos applications d'AutoML ou d'AI Platform vers Vertex AI.
Pour vous aider à démarrer avec Vertex AI, consultez la documentation de démarrage.
Pour apprendre à entraîner un nouveau modèle sur Vertex AI, essayez l'un des tutoriels d'IA Vertex.