Bermigrasi ke Vertex AI

Vertex AI menyatukan layanan AI Platform dan AutoML dalam satu UI dan API terpadu untuk menyederhanakan proses pembuatan, pelatihan, dan deployment model machine learning. Dengan Vertex AI, Anda dapat beralih lebih cepat dari eksperimen ke produksi, menemukan pola dan anomali secara efisien, membuat prediksi dan keputusan yang lebih baik, serta tetap sigap dalam menghadapi perubahan prioritas dan kondisi pasar. Halaman ini memberikan rekomendasi langkah-langkah dan informasi lainnya untuk membantu Anda merencanakan dan menerapkan migrasi ke Vertex AI.

Vertex AI mendukung semua fitur dan model yang tersedia di AutoML dan AI Platform. Namun, library klien tidak mendukung kompatibilitas mundur integrasi klien. Dengan kata lain, Anda harus membuat rencana untuk memigrasikan resource guna mendapatkan manfaat dari fitur Vertex AI.

Jika sedang merencanakan project baru, Anda harus membuat kode, tugas, set data, atau model dengan Vertex AI. Dengan demikian, Anda dapat memanfaatkan fitur baru dan peningkatan layanan setelah tersedia. AutoML dan AI Platform tetap tersedia, tetapi peningkatan mendatang akan diterapkan di Vertex AI.

Langkah-langkah yang direkomendasikan untuk bermigrasi ke Vertex AI

Gunakan langkah-langkah yang direkomendasikan berikut untuk memperbarui kode, tugas, set data, dan model yang ada dari AutoML dan AI Platform ke Vertex AI.

Catatan: Model AutoML memiliki masa aktif maksimum 18 bulan. Model yang lebih lama dari 18 bulan tidak dapat dimigrasikan ke Vertex AI.

Bermigrasi dari AutoML

Untuk mengupdate implementasi Anda dari AutoML ke Vertex AI, selesaikan langkah-langkah berikut:

1. Baca perbedaan utama antara AutoML dan Vertex AI di Vertex AI untuk pengguna AutoML.

2. Tinjau setiap potensi perubahan harga (lihat Harga migrasi Vertex AI).

3. Lakukan inventarisasi project, kode, tugas, set data, model, dan pengguna Google Cloud Anda yang memiliki akses ke AutoML. Gunakan informasi ini untuk menentukan resource mana yang akan dimigrasikan dan memastikan bahwa pengguna yang benar memiliki akses ke resource yang dimigrasikan.

4. Tinjau perubahan pada peran IAM, lalu perbarui akun layanan dan autentikasi untuk resource Anda.

5. Lihat daftar resource yang tidak dapat Anda migrasikan dan informasi tentang proses migrasi.

6. Migrasikan resource Anda menggunakan salah satu dari dua metode berikut:

   • Menggunakan alat migrasi.

   • Menggunakan metode dan library klien Vertex AI.

7. Baca tentang cara Vertex AI menggunakan endpoint regional.

8. Identifikasi penggunaan AutoML API untuk membantu menentukan aplikasi mana yang menggunakannya dan untuk mengidentifikasi panggilan metode yang ingin Anda migrasikan.

9. Update aplikasi dan alur kerja Anda untuk menggunakan fitur-fitur Vertex AI dan Vertex AI API.

10. Rencanakan pemantauan kuota permintaan Anda. Lihat Kuota dan batas.

Bermigrasi dari AI Platform

Untuk mengupdate implementasi Anda dari AI Platform ke Vertex AI, selesaikan langkah-langkah berikut:

1. Baca perbedaan utama antara AI Platform dan Vertex AI di Vertex AI untuk pengguna AI Platform.

2. Tinjau setiap potensi perubahan harga (lihat Harga migrasi Vertex AI).

3. Lakukan inventarisasi project, kode, tugas, set data, model, dan pengguna Google Cloud Anda yang memiliki akses ke AI Platform. Gunakan informasi ini untuk menentukan resource mana yang akan dimigrasikan dan memastikan bahwa pengguna yang benar memiliki akses ke resource yang dimigrasikan.

4. Tinjau perubahan pada peran IAM, lalu perbarui akun layanan dan autentikasi untuk resource Anda.

5. Lihat daftar resource yang tidak dapat Anda migrasikan dan informasi tentang proses migrasi.

6. Migrasikan resource Anda menggunakan salah satu dari dua metode berikut:

   • Menggunakan alat migrasi.

   • Menggunakan metode dan library klien Vertex AI.

7. Baca tentang cara Vertex AI menggunakan endpoint regional.

8. Identifikasi penggunaan AI Platform API untuk membantu menentukan aplikasi mana yang menggunakannya dan untuk mengidentifikasi panggilan metode yang ingin Anda migrasikan.

9. Update aplikasi dan alur kerja Anda untuk menggunakan fitur-fitur Vertex AI dan Vertex AI API.

10. Rencanakan pemantauan kuota permintaan Anda. Lihat Kuota dan batas.

Harga migrasi Vertex AI

Migrasi gratis. Resource yang dibuat sebagai hasil migrasi dikenai tarif standar (lihat harga Vertex AI). Set data yang dimigrasikan dari Layanan Pelabelan Data AI Platform, AutoML Vision, AutoML Video Intelligence, dan AutoML Natural Language akan bermigrasi ke bucket Cloud Storage, yang akan dikenai biaya penyimpanan (lihatHarga Cloud Storage).

Setelah migrasi, resource lama akan tetap tersedia untuk digunakan di AutoML dan AI Platform. Untuk menghindari biaya yang tidak perlu, matikan atau hapus resource lama setelah memastikan bahwa objek Anda berhasil dimigrasikan.

Migrasi adalah operasi penyalinan. Setelah Anda memigrasikan resource, perubahan pada resource lama tidak akan memengaruhi resource yang dimigrasikan.

Harga Vertex AI dibandingkan dengan harga produk lama

Biaya untuk Vertex AI tetap sama seperti untuk produk AI Platform dan AutoML lama yang digantikan oleh Vertex AI, dengan pengecualian berikut:

• Prediksi AI Platform Prediction dan AutoML Tables lama mendukung jenis mesin berbiaya lebih rendah dan berperforma lebih rendah yang tidak didukung untuk tabulasi AutoML dan Vertex AI Prediction.

• AI Platform Prediction lama mendukung penskalaan hingga nol, yang tidak didukung untuk Vertex AI Prediction.

Vertex AI juga menawarkan lebih banyak cara untuk mengoptimalkan biaya, seperti berikut:

• Runtime TensorFlow yang dioptimalkan.

• Dukungan untuk model hosting bersama.

• Tidak ada durasi penggunaan minimum untuk Training dan Prediction. Sebagai gantinya, penggunaan dikenai biaya per penambahan 30 detik.

Mengidentifikasi penggunaan AutoML API dan AI Platform API

Anda dapat menentukan aplikasi mana yang menggunakan AutoML API dan AI Platform API, serta metode yang digunakannya. Gunakan informasi ini untuk membantu menentukan apakah panggilan API ini perlu dimigrasikan ke Vertex AI atau tidak.

Untuk mengidentifikasi panggilan API AutoML dan AI Platform yang mungkin ingin Anda migrasikan, lihat opsi berikut.

• Untuk setiap project Anda, buka Dasbor API & Layanan untuk melihat daftar API produk yang digunakan project tersebut. Untuk mempelajari lebih lanjut, lihat Penggunaan Monitoring API.

• Jika diaktifkan, Anda dapat memeriksa log audit yang dibuat oleh AutoML, AI Platform Training, dan AI Platform Prediction sebagai bagian dari Cloud Audit Logs.

• Untuk melihat penggunaan metode tertentu Training API dan Prediction API AI Platform, buka halaman Metrik Training API dan Prediction API AI Platform.

Mengelola perubahan pada peran dan izin IAM

Vertex AI menyediakan peran Identity and Access Management (IAM) berikut:

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

Catatan: Peran-peran ini bersifat spesifik per project dan memberikan izin di seluruh Vertex AI, berbeda dengan peran Training API dan Prediction API AutoML dan AI Platform yang memberikan izin khusus untuk setiap layanan.

Hanya aiplatform.admin dan aiplatform.migrator yang memiliki kemampuan untuk memigrasikan resource dari AutoML dan AI Platform ke Vertex AI. aiplatform.user dan aiplatform.viewer tidak dapat memigrasikan resource.

Catatan: Migrasi dapat membuat resource terlihat oleh orang-orang yang tidak memiliki izin untuk melihat resource sebelum migrasi. Secara khusus, aiplatform.admin dan aiplatform.migrator dapat memigrasikan resource AutoML dan Layanan Pelabelan Data ke Vertex AI, lalu melihat resource yang disalin, meskipun resource tersebut mungkin tidak memiliki peran yang memungkinkannya membaca atau mengekspor data di AutoML atau Layanan Pelabelan Data. Misalnya, pengguna yang tidak memiliki peran automl.datasets.* tetapi memiliki peran aiplatform.migrator dapat memigrasikan set data ke Vertex AI, lalu melihat salinan set data yang dimigrasikan.

Untuk informasi selengkapnya tentang peran IAM, lihat Kontrol akses.

Resource yang tidak dapat dimigrasikan

Alat migrasi saat ini tidak dapat memigrasikan semua resource dan dalam beberapa kasus, migrasi dibatasi. Pertimbangkan pengecualian berikut saat Anda merencanakan migrasi.

AutoML Natural Language

• Teks PDF tidak didukung di Vertex AI, sehingga teks PDF AutoML Natural Language dimigrasikan sebagai teks biasa yang dihasilkan dengan pengenalan karakter optik.

• Set data kosong tidak dapat dimigrasikan.

• Tugas prediksi batch tidak dapat dimigrasikan.

AutoML Tables

• Model yang dibuat dalam AutoML Tables versi alfa tidak dapat dimigrasikan.

• Set data kosong tidak dapat dimigrasikan.

• Tugas prediksi batch tidak dapat dimigrasikan.

AutoML Video Intelligence

• Model yang dibuat dalam AutoML Video versi alfa tidak dapat dimigrasikan.

• Set data kosong tidak dapat dimigrasikan.

• Tugas prediksi batch tidak dapat dimigrasikan.

AutoML Vision

• Model yang dibuat dalam AutoML Vision versi alfa tidak dapat dimigrasikan.

• Set data kosong tidak dapat dimigrasikan.

• Tugas prediksi batch tidak dapat dimigrasikan.

AI Platform

• Tidak semua model dapat dimigrasikan. Model yang dapat dimigrasikan memiliki karakteristik berikut:

  • Versi runtime harus 1.15 atau yang lebih tinggi.

  • Framework-nya harus berupa salah satu dari berikut:

    • TensorFlow
    • scikit-learn
    • XGBoost

  • Versi Python harus 3.7 atau yang lebih tinggi.

• Jika flag signature-name model AI Platform telah diubah dari nilai default, serving_default, model tersebut mungkin dapat dimigrasikan ke Vertex AI, tetapi tidak akan berfungsi.

• Routine prediksi kustom tidak akan dimigrasikan.

• Tugas yang dijalankan di AI Platform tidak akan dimigrasikan. Anda dapat mendownload metadata untuk data Anda sendiri.

• Container Docker, paket, atau skrip Python yang Anda jalankan di AI Platform Training tidak dapat dimigrasikan secara otomatis, tetapi Anda dapat mengupdate skrip agar semuanya dapat dijalankan di Vertex AI.

Tentang proses migrasi

Sebelum memigrasikan resource, tinjau informasi berikut terlebih dahulu.

• Alat migrasi membuat salinan resource Anda.

  Alat migrasi membuat versi duplikat set data dan model AutoML dan AI Platform Anda di Vertex AI. Resource lama Anda tidak akan dihapus. Jika menginginkannya, Anda dapat memigrasikan resource yang sama beberapa kali untuk membuat beberapa salinan.

• Model yang dimigrasikan tidak di-deploy.

  Untuk jenis data yang mendukung prediksi online, Anda harus membuat endpoint dan men-deploy model ke endpoint tersebut sebelum model dapat digunakan untuk menyajikan prediksi online.

• Saat model AutoML dimigrasikan, alat migrasi akan otomatis membuat tugas pelatihan secara bersamaan.

• Set data yang dimigrasikan untuk beberapa jenis data dan tujuan mungkin tidak berisi data yang sama seperti set data saat ini.

  Set data untuk jenis data tertentu diimpor ulang dari sumber data asli, bukan disalin dari set data yang sudah ada. Jika sumber data asli telah diubah, set data yang dimigrasikan akan mencerminkan perubahan tersebut. Hal ini berlaku untuk jenis data dan tujuan berikut:

  • Set data ekstraksi entity AutoML Natural Language
  • Set data klasifikasi dan pelacakan objek AutoML Video
  • Set data deteksi objek AutoML Vision

• Set data tabulasi yang dimigrasikan akan diekspor sebagai bagian dari proses migrasi.

  Di Vertex AI, sumber data dari set data tabulasi direferensikan, bukan diimpor (pelajari lebih lanjut). Set data tabulasi yang dimigrasikan diekspor dari set data AutoML Tables, disimpan sebagai file CSV di Cloud Storage atau tabel BigQuery di project Anda, lalu direferensikan oleh set data yang dimigrasikan.

Menggunakan alat migrasi

Vertex AI menyediakan alat migrasi untuk membantu Anda memigrasikan set data serta model dari AutoML dan AI Platform ke Vertex AI.

Langkah-langkah untuk menggunakan alat migrasi

Agar dapat menggunakan alat migrasi untuk memigrasikan set data dan model Anda ke Vertex AI, selesaikan langkah-langkah berikut.

1. Jika belum mengaktifkan Vertex AI API, di halaman Dasbor Vertex AI di konsol Google Cloud, klik Aktifkan Vertex AI API.

2. Di halaman Dasbor Vertex AI di konsol Google Cloud, di bagian Bermigrasi ke Vertex AI, klik Siapkan migrasi.

   Catatan: Jika tidak melihat opsi untuk bermigrasi ke Vertex AI, artinya Anda tidak memiliki resource yang dapat dimigrasikan menggunakan alat ini.

3. Di bagian Pilih resource yang akan dimigrasikan, pilih hingga 50 aset yang akan dimigrasikan. Jika perlu, Anda dapat mengulangi langkah-langkah ini untuk memigrasikan lebih banyak aset di lain waktu.

   Catatan: Beberapa aset tidak ditampilkan karena tidak dapat dimigrasikan saat ini. Baca tentang resource yang tidak dapat dimigrasikan.

4. Klik Berikutnya, lalu tinjau ringkasan aset yang ingin Anda migrasikan.

5. Klik Migrasikan aset. Migrasi mungkin memerlukan waktu satu jam atau lebih, bergantung pada jumlah aset yang dimigrasikan. Alat migrasi akan mengirimi Anda email setelah migrasi selesai.

Menggunakan metode dan library klien untuk memigrasikan resource

Gunakan metode batchMigrateResources() dan metode terkait untuk memigrasikan resource Anda.

Lihat Dokumentasi Referensi API Vertex AI jika Anda memerlukan bantuan.

Endpoint regional

Endpoint API Vertex AI bersifat regional. Contoh:

us-central1-aiplatform.googleapis.com

Endpoint global tidak didukung untuk Vertex AI.

Catatan: Resource AutoML yang berada di region Uni Eropa eu dimigrasikan ke region europe-west4.

Baca daftar endpoint yang didukung dalam dokumentasi referensi.

Mengupdate skrip pelatihan agar dapat dijalankan di Vertex AI

Container Docker, paket, atau skrip Python yang Anda jalankan di AI Platform Training memerlukan perubahan spesifik berikut agar dapat dijalankan di Vertex AI.

• Untuk tugas yang menulis output ke Cloud Storage, di Vertex AI, Anda harus menunjukkan Cloud Storage URI untuk berbagai jenis output melalui variabel lingkungan. Dalam AI Platform, Cloud Storage URI biasanya ditunjukkan dengan argumen command line --job-dir.

• Di Vertex AI, variabel TF_CONFIG menggunakan istilah chief untuk merujuk ke mesin utama. Di AI Platform, dalam beberapa kasus, AI Platform menggunakan istilah master.

• Saat mengirim tugas pelatihan kustom di Vertex AI, tentukan Artifact Registry URI dari container bawaan yang sesuai dengan framework dan versi framework Anda. Di AI Platform, tentukan versi runtime yang menyertakan framework dan versi framework yang ingin Anda gunakan.

• Tidak semua jenis mesin yang didukung AI Platform didukung oleh Vertex AI.

  • Jenis mesin lama dan tingkat skala dari AI Platform Training tidak didukung di Vertex AI. Hanya jenis mesin Compute Engine yang lebih baru yang didukung.
  • GPU yang didukung adalah P4, T4, K80, P100, dan V100.
  • TPU tidak didukung.

Langkah selanjutnya

• Baca Memigrasikan aplikasi Anda ke Vertex AI untuk membantu menentukan perubahan yang perlu Anda lakukan saat memigrasikan aplikasi dari AutoML atau AI Platform ke Vertex AI.

• Untuk membantu Anda mulai menggunakan Vertex AI, baca Dokumentasi untuk memulai.

• Untuk mempelajari cara melatih model baru di Vertex AI, coba salah satu tutorial Vertex AI.