Esegui migrazione a Vertex AI

Vertex AI riunisce AI Platform 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. Questa pagina fornisce i passaggi consigliati e altre informazioni per aiutarti a pianificare e implementare 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, devi creare il codice, il job, il set di dati o il modello con Vertex AI. In questo modo, potrai usufruire delle nuove funzionalità e dei miglioramenti dei servizi non appena diventano disponibili. AutoML e AI Platform legacy rimangono disponibili, ma i miglioramenti futuri verranno implementati su Vertex AI.

Segui i passaggi consigliati riportati di seguito per aggiornare il codice, i job, i set di dati e i modelli esistenti da AutoML e AI Platform legacy a Vertex AI.

Eseguire la migrazione da AutoML precedente

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

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

  4. Esamina le modifiche ai ruoli IAM, quindi aggiorna gli account di servizio e l'autenticazione per le tue 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. Identifica l'utilizzo delle API AutoML legacy per determinare quali delle tue applicazioni le utilizzano e per identificare le chiamate ai metodi 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. Consulta la sezione 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 su Vertex AI per gli utenti di AI Platform.

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

  3. Fai l'inventario dei tuoi progetti, del tuo codice, dei tuoi job, dei tuoi set di dati, dei tuoi modelli e degli utenti di Google Cloud con accesso ad AI Platform. Utilizza queste informazioni per determinare le risorse di cui eseguire la migrazione e assicurarti che gli utenti corretti abbiano accesso alle risorse di cui è stata eseguita la migrazione.

  4. Esamina le modifiche ai ruoli IAM, quindi aggiorna gli account di servizio e l'autenticazione per le tue 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. Identifica l'utilizzo delle API di AI Platform per determinare quali delle tue applicazioni le utilizzano e per identificare le chiamate ai metodi 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. Consulta la sezione 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). I set di dati di cui è stata eseguita la migrazione da AI Platform Data Labeling Service, AutoML Vision legacy, AutoML Video Intelligence legacy e AutoML Natural Language legacy vengono migrati in un bucket Cloud Storage, con 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 utilizzati. Utilizza queste informazioni per aiutarti a determinare se è necessario eseguire la migrazione di queste chiamate API a 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 saperne di più sui ruoli IAM, consulta Controllo dell'accesso.

Risorse di cui non è possibile eseguire la migrazione

Al momento lo strumento di migrazione non può eseguire la migrazione di tutte le risorse e in alcuni casi la migrazione è limitata. Tieni presente le seguenti eccezioni quando pianifichi la migrazione.

AutoML Natural Language precedente

  • Il testo PDF non è supportato in Vertex AI, pertanto la migrazione del testo PDF dell'esperienza precedente AutoML Natural Language viene eseguita come testo normale generato dal riconoscimento ottico dei caratteri.

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

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

AutoML Video Intelligence precedente

  • Non è possibile eseguire la migrazione dei modelli creati in una versione alpha di AutoML Video precedente.

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

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

AutoML Vision precedente

  • Non è possibile eseguire la migrazione dei modelli creati in una versione alpha di AutoML Vision precedente.

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

  • Non è possibile eseguire la migrazione dei job di previsione in 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:

    • La versione del runtime deve essere 1.15 o successiva.

    • Il framework deve essere uno dei seguenti:

      • TensorFlow
      • scikit-learn
      • XGBoost

    • La versione di Python deve essere 3.7 o successiva.

  • Se il flag signature-name di un modello AI Platform è stato modificato rispetto al valore predefinito serving_default, potrebbe essere eseguita la migrazione a Vertex AI, ma il modello non funzionerà.

  • Non viene eseguita la migrazione delle routine di previsione personalizzate.

  • I job eseguiti su AI Platform non sono sottoposti a migrazione. Puoi scaricare i metadati per i tuoi archivi.

  • 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 risorse.

    Lo strumento di migrazione crea una versione duplicata dei tuoi set di dati e modelli AutoML e AI Platform legacy su 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'origine dati originale è stata modificata, il set di dati sottoposto a migrazione rifletterà queste modifiche. Questo avvertimento si applica ai seguenti tipi di dati e obiettivi:

    • Set di dati legacy per l'estrazione di entità di AutoML Natural Language
    • Set di dati legacy di classificazione e monitoraggio di oggetti di AutoML Video
    • 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 a eseguire la migrazione dei tuoi set di dati e modelli da AutoML e AI Platform legacy 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 pagina Dashboard di Vertex AI della console Google Cloud, fai clic su Esegui la migrazione a Vertex AI in Esegui la migrazione a Vertex AI.

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

  4. Fai clic su Avanti ed esamina il riepilogo delle risorse di cui vuoi eseguire la migrazione.

  5. Fai clic su Esegui migrazione degli asset. La migrazione potrebbe richiedere un'ora o più, a seconda del numero di asset interessati. 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 il metodo batchMigrateResources() e i metodi correlati per eseguire la migrazione delle risorse.

Se hai bisogno di aiuto, consulta la documentazione di riferimento dell'API Vertex AI.

Endpoint regionali

Gli endpoint dell'API Vertex AI sono regionali. 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 che esegui su AI Platform Training richiedono le seguenti modifiche specifiche per essere eseguiti su 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. In AI Platform, l'URI Cloud Storage è solitamente 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 l'URI di Artifact Registry di un container predefinito che corrisponde al tuo framework e alla sua versione. In AI Platform, specifichi una versione di runtime che include il framework e la relativa versione che vuoi utilizzare.

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

Passaggi successivi