Vertex AI は、AI Platform と AutoML のサービスを 1 つの統一された UI と API にまとめ、ML モデルの構築、トレーニング、デプロイのプロセスを簡素化します。Vertex AI を使用すると、テストから本番環境への移行をより迅速に行い、パターンと異常を効率的に検出し、より良い予測と決定を行い、優先事項と市場の変化に直面してもアジリティを維持できます。このページでは、Vertex AI への移行の計画と実装に役立つ推奨手順とその他の情報について説明します。
Vertex AI は、AutoML と AI Platform で利用可能なすべての機能とモデルをサポートします。ただし、クライアント ライブラリについては、クライアント統合の際の下位互換性をサポートしません。つまり、Vertex AI の機能を利用するには、リソースの移行を計画する必要があります。
新しいプロジェクトを計画する場合は、Vertex AI を使用してコード、ジョブ、データセット、モデルを構築する必要があります。これにより、新しい機能やサービスの機能強化が公開されるとすぐに利用できるようになります。AutoML と AI Platform も引き続き利用できますが、今後の改善は Vertex AI に実装されます。
Vertex AI への移行におすすめの手順
次の推奨手順を使用して、既存のコード、ジョブ、データセット、モデルを AutoML と AI Platform から Vertex AI に更新します。
AutoML からの移行
実装を AutoML から Vertex AI に更新するには、次の手順を行います。
AutoML と Vertex AI の主な違いについては、AutoML ユーザー向け Vertex AI をご覧ください。
料金の違いについては、Vertex AI に移行した後の料金をご覧ください。
AutoML にアクセスできる Google Cloud プロジェクト、コード、ジョブ、データセット、モデル、ユーザーのインベントリを取得します。この情報を使用して、移行するリソースを決定し、正しいユーザーが移行されたリソースにアクセスできるようにします。
IAM ロールの変更を確認して、リソースのサービス アカウントと認証を更新します。
移行できないリソースのリストと、移行プロセスに関する情報を確認します。
次のいずれかの方法でリソースを移行します。
Vertex AI がリージョン エンドポイントを使用する方法を確認します。
AutoML API の使用状況を確認して、API を使用するアプリケーションを決定し、移行するメソッド呼び出しを特定します。
リクエストの割り当てをモニタリングします。割り当てと上限をご覧ください。
AI Platform からの移行
実装を AI Platform から Vertex AI に更新するには、次の手順を行います。
AI Platform と Vertex AI の主な違いについては、AI Platform ユーザー向けの Vertex AI をご覧ください。
料金の違いについては、Vertex AI に移行した後の料金をご覧ください。
Google Cloud のプロジェクト、コード、ジョブ、データセット、モデル、AI Platform にアクセスできるユーザーのインベントリを取得します。この情報を使用して、移行するリソースを決定し、正しいユーザーが移行されたリソースにアクセスできるようにします。
IAM ロールの変更を確認して、リソースのサービス アカウントと認証を更新します。
移行できないリソースのリストと、移行プロセスに関する情報を確認します。
次のいずれかの方法でリソースを移行します。
Vertex AI がリージョン エンドポイントを使用する方法を確認します。
AI Platform API の使用状況を確認して、API を使用するアプリケーションを決定し、移行するメソッド呼び出しを特定します。
リクエストの割り当てをモニタリングします。割り当てと上限をご覧ください。
Vertex AI に移行した後の料金
移行は無料です。移行の結果として作成されたリソースには標準料金がかかります。Vertex AI の料金をご覧ください。AI Platform Data Labeling Service、AutoML Vision、AutoML Video Intelligence、AutoML Natural Language から移行されたデータセットは Cloud Storage バケットに移行され、ストレージ費用がかかります（Cloud Storage の料金をご覧ください）。
移行した後も、従来のリソースは AutoML と AI Platform で引き続き使用できます。不要なコストの発生を防ぐために、オブジェクトが正常に移行されたことを確認したら、古いリソースをシャットダウンまたは削除します。
移行はコピー オペレーションです。リソースの移行後、以前のリソースを変更しても、移行後のリソースに影響はありません。
Vertex AI と従来の AI Platform の料金比較
Vertex AI の料金体系は、以下の点を除き、従来の AI Platform や AutoML プロダクトと違いはありません。
従来の AI Platform Prediction や AutoML Tables Prediction では、より低コストで低性能なマシンタイプがサポートされていましたが、Vertex AI Prediction や AutoML Tabular ではサポートされていません。
従来の AI Platform Prediction では、ゼロへのスケーリングがサポートされていましたが、Vertex AI Prediction ではサポートされていません。
さらに、Vertex AI では以下のようなコスト最適化の方法を提供しています。
モデルの共同ホスティングをサポート。
トレーニングおよび予測の最低利用期間はなし。ただし、使用時間 30 秒ごとに課金。
AutoML API と AI Platform API の使用状況を特定する
AutoML API と AI Platform API を使用するアプリケーションと、その API メソッドを使用するアプリケーションを特定できます。この情報を使用することで、API 呼び出しを Vertex AI に移行する必要があるかどうかを判断できます。
移行する AutoML API と AI Platform API 呼び出しを特定するには、次の方法があります。
プロジェクトごとに [API とサービス] ダッシュボードに移動し、プロジェクトで使用されているプロダクトの API のリストを表示します。詳しくは、API 使用状況のモニタリングをご覧ください。
有効になっている場合は、Cloud Audit Logs の一部として AutoML、AI Platform Training、AI Platform Prediction によって作成された監査ログを確認できます。
AI Platform Training と Prediction API の特定のメソッドの使用状況を確認するには、AI Platform Training と Prediction API の指標ページをご覧ください。
IAM のロールと権限の変更を管理する
Vertex AI では、次の Identity and Access Management（IAM）ロールを使用できます。
aiplatform.adminaiplatform.useraiplatform.vieweraiplatform.migrator
AutoML と AI Platform から Vertex AI にリソースを移行できるのは、aiplatform.admin と aiplatform.migrator のみです。aiplatform.user と aiplatform.viewer はリソースを移行できません。
IAM ロールの詳細については、アクセス制御をご覧ください。
移行できないリソース
現在、移行ツールですべてのリソースを移行することはできません。このため、移行が制限されることがあります。移行を計画する際は、次の例外に注意してください。
AutoML Natural Language
PDF テキストは Vertex AI でサポートされていません。AutoML Natural Language の PDF テキストは OCR で処理された書式なしテキストとして移行されます。
空のデータセットは移行できません。
バッチ予測ジョブは移行できません。
AutoML Tables
AutoML Tables のアルファ版で作成されたモデルは移行できません。
空のデータセットは移行できません。
バッチ予測ジョブは移行できません。
AutoML Video Intelligence
アルファ版の AutoML Video で作成されたモデルは移行できません。
空のデータセットは移行できません。
バッチ予測ジョブは移行できません。
AutoML Vision
アルファ版の AutoML Vision で作成されたモデルは移行できません。
空のデータセットは移行できません。
バッチ予測ジョブは移行できません。
AI Platform
すべてのモデルを移行できるわけではありません。次の特性を持つモデルは移行可能です。
ランタイム バージョンが 1.15 以降。
以下のいずれかのフレームワーク:
- TensorFlow
- scikit-learn
- XGBoost
Python のバージョンが 3.7 以上。
AI Platform モデルの
signature-nameフラグがデフォルト値serving_defaultから変更されている場合、Vertex AI に移行すると機能しなくなります。カスタム予測ルーチンは移行されません。
AI Platform で実行されているジョブは移行されません。独自の記録のためのメタデータはダウンロードできます。
AI Platform Training で実行している Python スクリプト、パッケージ、Docker コンテナは自動的に移行されませんが、Vertex AI で実行できるようにスクリプトを更新できます。
移行プロセスについて
リソースを移行する前に、以下の情報を確認してください。
移行ツールは、リソースのコピーを作成します。
移行ツールを実行すると、AutoML と AI Platform のデータセットとモデルの複製が Vertex AI に作成されます。以前のリソースは削除されません。必要であれば、同じリソースを何度も移行して複数のコピーを作成できます。
移行されたモデルのデプロイは解除されます。
オンライン予測をサポートするデータ型の場合は、モデルを使用してオンライン予測を行う前に、エンドポイントを作成して、そのエンドポイントにモデルをデプロイする必要があります。
AutoML モデルが移行されると、同時にトレーニング ジョブが自動的に作成されます。
一部のデータ型と目標の移行後のデータセットには、現在のデータセットと同じデータが含まれていない場合があります。
特定のデータ型のデータセットは、既存のデータセットからコピーされず、元のデータソースから再インポートされます。元のデータソースが変更されると、移行されたデータセットにそれらの変更が反映されます。これは、次のデータ型と目標に適用されます。
- AutoML Natural Language Entity Extraction データセット
- AutoML Video の分類とオブジェクト トラッキングのデータセット
- AutoML Vision Object Detection データセット
移行された表形式のデータセットは、移行プロセスの中でエクスポートされます。
Vertex AI では、表形式のデータセットのデータソースが参照されます。インポートはされません（詳細）。移行された表形式のデータセットは AutoML Tables データセットからエクスポートされ、CSV ファイルとして Cloud Storage またはプロジェクトの BigQuery テーブルとして保存された後、移行後のデータセットから参照されます。
移行ツールを使用する
Vertex AI では、AutoML と AI Platform から Vertex AI にデータセットとモデルを移行する際に役立つツールを提供しています。
移行ツールの使用手順
移行ツールを使用してデータセットとモデルを Vertex AI に移行するには、次の手順を行います。
Vertex AI API をまだ有効にしていない場合は、Google Cloud Console の Vertex AI のダッシュボード ページで、Enable the Vertex AI API をクリックします。
Google Cloud Console の Vertex AI のダッシュボード ページで、[Vertex AI への移行] の下にある [移行を設定] をクリックします。
[移行するリソースの選択] で、移行するアセットを選択します（50 個まで選択できます）。必要に応じて、この手順を繰り返して別のアセットを移行することもできます。
[次へ] をクリックし、移行するアセットの概要を確認します。
[アセットを移行] をクリックします。移行対象のアセットの数によっては、移行に 1 時間以上かかる場合があります。移行が完了すると、移行ツールからメールが送信されます。
クライアント ライブラリとメソッドを使用してリソースを移行する
batchMigrateResources() メソッドと関連メソッドを使用して、リソースを移行します。
詳しくは、Vertex AI API リファレンス ドキュメントをご覧ください。
リージョン エンドポイント
Vertex AI API エンドポイントはリージョン単位です。次に例を示します。
us-central1-aiplatform.googleapis.com
グローバル エンドポイントは Vertex AI ではサポートされていません。
リファレンス ドキュメントで、サポートされるエンドポイントのリストをご覧ください。
Vertex AI で実行するトレーニング スクリプトを更新する
AI Platform Training で実行している Python スクリプト、パッケージ、Docker コンテナには、Vertex AI で実行するための以下の変更が必要です。
出力を Cloud Storage に書き込むジョブの場合、Vertex AI では、環境変数を使用して、出力タイプに応じた Cloud Storage URI を指定する必要があります。AI Platform では、Cloud Storage URI は一般にコマンドライン引数
--job-dirで指定します。Vertex AI では、
TF_CONFIG変数はchiefという用語でプライマリ マシンを参照します。AI Platform では、masterという用語が使用されている場合があります。Vertex AI でカスタム トレーニング ジョブを送信する場合は、フレームワークとフレームワーク バージョンに対応するビルド済みコンテナの Artifact Registry URI を指定します。AI Platform では、使用するフレームワークとフレームワーク バージョンを含むランタイム バージョンを指定します。
AI Platform でサポートされているマシンタイプが Vertex AI でサポートされるとは限りません。
- AI Platform Training の従来のマシンタイプとスケール階層は、Vertex AI でサポートされません。サポートされているのは、最新の Compute Engine のマシンタイプのみです。
- サポートされている GPU は P4、T4、K80、P100、V100 です。
- TPU はサポートされていません。
次のステップ
アプリケーションを Vertex AI に移行するを参考にして、アプリケーションを AutoML または AI Platform から Vertex AI に移行する際に必要となる変更を確認する。
スタートガイドで Vertex AI の使い方を確認する。
Vertex AI チュートリアルのいずれかを使用して、Vertex AI で新しいモデルをトレーニングする方法を確認する。