Vertex AI로 마이그레이션

Vertex AI는 하나의 통합 UI 및 API로 AI Platform 및 AutoML 서비스를 결합하여 머신러닝 모델의 빌드, 학습, 배포 프로세스를 간소화합니다. Vertex AI를 사용하면 실험에서 프로덕션으로 더 빠르게 이동하고, 패턴 및 이상치를 효율적으로 찾아내며, 정확한 예측과 결정을 내리고, 변화하는 우선순위 및 시장 조건에 민첩하게 대응할 수 있습니다. 이 페이지에서는 Vertex AI로의 마이그레이션을 계획하고 구현하는 데 도움이 되는 권장 단계 및 기타 정보를 제공합니다.

Vertex AI는 AutoML 및 AI Platform에서 제공되는 모든 기능 및 모델을 지원합니다. 그러나 클라이언트 라이브러리는 클라이언트 통합에 대해 이전 버전과의 호환성을 지원하지 않습니다. 즉, Vertex AI 기능을 활용하려면 리소스 마이그레이션을 계획해야 합니다.

새 프로젝트를 계획할 때는 Vertex AI로 코드, 작업, 데이터 세트, 모델을 빌드해야 합니다. 이렇게 하면 새로운 기능 및 서비스 개선 사항이 제공될 때 이를 활용할 수 있습니다. AutoML 및 AI Platform도 계속 사용할 수 있지만 이후 기능 개선은 Vertex AI에서 구현될 예정입니다.

다음 권장 단계에 따라 기존 코드, 작업, 데이터 세트, 모델을 AutoML 및 AI Platform에서 Vertex AI로 업데이트할 수 있습니다.

AutoML에서 마이그레이션

AutoML에서 Vertex AI로 구현을 업데이트하려면 다음 단계를 수행합니다.

  1. AutoML 사용자를 위한 Vertex AI에서 AutoML 및 AI Platform 사이의 주요 차이점을 확인합니다.

  2. 가격 책정의 모든 잠재적 변경사항을 검토합니다(Vertex AI 마이그레이션 가격 책정 참조).

  3. AutoML에 액세스하는 Google Cloud 프로젝트, 코드, 작업, 데이터 세트, 모델, 사용자 인벤토리를 작성합니다. 이 정보를 사용하여 마이그레이션할 리소스를 결정하고 마이그레이션된 리소스에 대해 올바른 사용자에게 액세스 권한이 부여되는지 확인합니다.

  4. IAM 역할 변경사항을 검토한 후 리소스에 대해 서비스 계정 및 인증을 업데이트합니다.

  5. 마이그레이션할 수 없는 리소스 목록 및 마이그레이션 프로세스 정보를 검토합니다.

  6. 다음 두 가지 방법 중 하나를 사용하여 리소스를 마이그레이션합니다.

  7. Vertex AI의 리전 엔드포인트 사용 방법을 확인합니다.

  8. AutoML API의 사용량을 확인하여 이를 사용하는 애플리케이션을 확인하고 마이그레이션해야 하는 메서드 호출을 식별합니다.

  9. Vertex AI API 및 Vertex AI 기능을 사용하도록 애플리케이션 및 워크플로를 업데이트합니다.

  10. 요청 할당량 모니터링을 계획합니다. 할당량 및 한도를 참조하세요.

AI Platform에서 마이그레이션

AI Platform에서 Vertex AI로 업데이트하려면 다음 단계를 수행합니다.

  1. AI Platform 사용자를 위한 Vertex AI에서 AI Platform과 Vertex AI 사이의 주요 차이점을 확인합니다.

  2. 가격 책정의 모든 잠재적 변경사항을 검토합니다(Vertex AI 마이그레이션 가격 책정 참조).

  3. AI Platform에 액세스하는 Google Cloud 프로젝트, 코드, 작업, 데이터 세트, 모델, 사용자 인벤토리를 작성합니다. 이 정보를 사용하여 마이그레이션할 리소스를 결정하고 마이그레이션된 리소스에 대해 올바른 사용자에게 액세스 권한이 부여되는지 확인합니다.

  4. IAM 역할 변경사항을 검토한 후 리소스에 대해 서비스 계정 및 인증을 업데이트합니다.

  5. 마이그레이션할 수 없는 리소스 목록 및 마이그레이션 프로세스 정보를 검토합니다.

  6. 다음 두 가지 방법 중 하나를 사용하여 리소스를 마이그레이션합니다.

  7. Vertex AI의 리전 엔드포인트 사용 방법을 확인합니다.

  8. AI Platform API의 사용량을 확인하여 이를 사용하는 애플리케이션을 확인하고 마이그레이션해야 하는 메서드 호출을 식별합니다.

  9. Vertex AI API 및 Vertex AI 기능을 사용하도록 애플리케이션 및 워크플로를 업데이트합니다.

  10. 요청 할당량 모니터링을 계획합니다. 할당량 및 한도를 참조하세요.

Vertex AI 마이그레이션 가격 책정

마이그레이션은 무료입니다. 마이그레이션 결과로 생성되는 리소스에는 표준 비용이 적용됩니다(Vertex AI 가격 책정 참조). AI Platform 데이터 라벨링 서비스, AutoML Vision, AutoML Video Intelligence, AutoML Natural Language에서 마이그레이션된 데이터 세트는 Cloud Storage 버킷으로 마이그레이션되며, 스토리지 비용이 적용됩니다(Cloud Storage 가격 책정 참조).

마이그레이션 후에도 AutoML 및 AI Platform에서 기존 리소스를 계속 사용할 수 있습니다. 불필요한 비용이 발생하지 않도록 객체가 성공적으로 마이그레이션되었는지 확인했으면 기존 리소스를 종료하거나 삭제하세요.

마이그레이션은 복사 작업입니다. 리소스를 마이그레이션한 후 기존 리소스에 대한 변경사항은 마이그레이션된 리소스에 영향을 주지 않습니다.

Vertex AI 가격 책정 및 기존 제품 가격 책정 비교

Vertex AI의 비용은 Vertex AI가 대체하는 기존 AI Platform 및 AutoML 제품의 비용과 동일하게 유지됩니다. 단, 다음은 제외됩니다.

  • 기존 AI Platform Prediction과 AutoML Tables 예측은 Vertex AI Prediction 및 AutoML 테이블 형식에 지원되지 않는 더 저렴하고 성능이 떨어지는 머신 유형을 지원했습니다.

  • 기존 AI Platform Prediction은 Vertex AI Prediction에 지원되지 않는 Scale-to-zero를 지원했습니다.

또한 Vertex AI는 다음과 같이 비용을 최적화하는 다양한 방법을 제공합니다.

AutoML 및 AI Platform API 사용 식별

AutoML 및 AI Platform API가 사용되는 애플리케이션은 물론 여기에 사용되는 메서드를 확인할 수 있습니다. 이 정보를 사용해서 이러한 API 호출을 Vertex AI로 마이그레이션할지 여부를 결정할 수 있습니다.

마이그레이션할 AutoML 및 AI Platform API 호출을 식별하려면 다음 옵션을 참조하세요.

IAM 역할 및 권한 변경사항 관리

Vertex AI는 다음과 같은 Identity and Access Management(IAM) 역할을 제공합니다.

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

aiplatform.admin 및 aiplatform.migrator만 AutoML 및 AI Platform에서 Vertex AI로 리소스를 마이그레이션할 수 있는 기능이 있습니다. aiplatform.user 및 aiplatform.viewer는 리소스를 마이그레이션할 수 없습니다.

IAM 역할에 대한 자세한 내용은 액세스 제어를 참조하세요.

마이그레이션할 수 없는 리소스

현재는 마이그레이션 도구로 일부 리소스를 마이그레이션할 수 없으며, 일부 경우에 마이그레이션이 제한됩니다. 마이그레이션을 계획할 때 다음 예외를 고려하세요.

AutoML Natural Language

  • PDF 텍스트는 Vertex AI에서 지원되지 않으므로 AutoML Natural Language의 PDF 텍스트가 광학 문자 인식으로 생성된 일반 텍스트로 마이그레이션됩니다.

  • 빈 데이터 세트는 마이그레이션할 수 없습니다.

  • 일괄 예측 작업은 마이그레이션할 수 없습니다.

AutoML Tables

  • AutoML Tables의 알파 버전으로 생성된 모델은 마이그레이션할 수 없습니다.

  • 빈 데이터 세트는 마이그레이션할 수 없습니다.

  • 일괄 예측 작업은 마이그레이션할 수 없습니다.

AutoML Video Intelligence

  • AutoML Video의 알파 버전에서 생성된 모델은 마이그레이션할 수 없습니다.

  • 빈 데이터 세트는 마이그레이션할 수 없습니다.

  • 일괄 예측 작업은 마이그레이션할 수 없습니다.

AutoML Vision

  • AutoML Vision의 알파 버전에서 생성된 모델은 마이그레이션할 수 없습니다.

  • 빈 데이터 세트는 마이그레이션할 수 없습니다.

  • 일괄 예측 작업은 마이그레이션할 수 없습니다.

AI Platform

  • 일부 모델은 마이그레이션할 수 없습니다. 마이그레이션할 수 있는 모델은 다음과 같은 특성을 갖습니다.

    • 런타임 버전이 1.15 이상이어야 합니다.

    • 프레임워크는 다음 중 하나여야 합니다.

      • TensorFlow
      • scikit-learn
      • XGBoost

    • Python 버전은 3.7 이상이어야 합니다.

  • AI Platform 모델의 signature-name 플래그가 기본값 serving_default에서 변경된 경우, Vertex AI로 마이그레이션되더라도 작동하지 않습니다.

  • 커스텀 예측 루틴은 마이그레이션되지 않습니다.

  • AI Platform에서 실행되는 작업은 마이그레이션되지 않습니다. 자체 레코드용으로 메타데이터를 다운로드할 수 있습니다.

  • AI Platform Training에서 실행하는 Python 스크립트, 패키지, Docker 컨테이너는 자동으로 마이그레이션되지 않지만 Vertex AI에서 실행되도록 스크립트를 업데이트할 수 있습니다.

마이그레이션 프로세스 정보

리소스를 마이그레이션하기 전 다음 정보를 먼저 검토하세요.

  • 마이그레이션 도구는 리소스의 복사본을 만듭니다.

    마이그레이션 도구는 AutoML 및 AI Platform 데이터 세트 및 모델의 복제 버전을 Vertex AI에 만듭니다. 기존 리소스는 삭제되지 않습니다. 원하는 경우 동일한 리소스를 여러 번 마이그레이션하여 복사본을 여러 개 만들 수 있습니다.

  • 마이그레이션된 모델은 배포되지 않은 상태입니다.

    온라인 예측을 지원하는 데이터 유형의 경우 모델을 사용해서 온라인 예측을 제공할 수 있으려면 먼저 엔드포인트를 만들고 이 엔드포인트에 모델을 배포해야 합니다.

  • AutoML 모델을 마이그레이션할 때 마이그레이션 도구는 학습 작업을 동시에 자동으로 만듭니다.

  • 일부 데이터 유형 및 목표에 대해 마이그레이션된 데이터 세트에는 현재 데이터 세트와 동일한 데이터가 포함되지 않을 수 있습니다.

    특정 데이터 유형의 데이터 세트는 기존 데이터 세트에서 복사되는 대신 원래 데이터 세트로부터 다시 가져옵니다. 원래 데이터 소스가 변경되었으면 마이그레이션된 데이터 세트에도 이러한 변경 사항이 적용됩니다. 이러한 주의사항은 다음과 같은 데이터 유형 및 목표에 적용됩니다.

    • AutoML Natural Language 항목 추출 데이터 세트
    • AutoML Video 분류 및 객체 추적 데이터 세트
    • AutoML Vision 객체 감지 데이터 세트

  • 마이그레이션된 테이블 형식의 데이터 세트가 마이그레이션 프로세스 중에 내보내집니다.

    Vertex AI에서 테이블 형식 데이터 세트의 데이터 소스는 가져오는 대신 참조됩니다(자세히 알아보기). 마이그레이션된 테이블 형식 데이터 세트는 AutoML Tables 데이터 세트에서 내보내지며, Cloud Storage의 CSV 파일 또는 프로젝트의 BigQuery 테이블에 저장된 후 마이그레이션된 데이터 세트에서 참조됩니다.

마이그레이션 도구 사용

Vertex AI는 AutoML 및 AI Platform에서 Vertex AI로 데이터 세트 및 모델을 마이그레이션할 수 있도록 마이그레이션 도구를 제공합니다.

마이그레이션 도구 사용 단계

마이그레이션 도구를 사용하여 데이터 세트 및 모델을 Vertex AI로 마이그레이션하려면 다음 단계를 완료합니다.

  1. Vertex AI API를 아직 사용 설정하지 않았으면 Google Cloud Console의 Vertex AI 대시보드 페이지에서 Vertex AI API 사용 설정을 클릭합니다.

  2. Google Cloud Console의 Vertex AI 대시보드 페이지의 Vertex AI로 마이그레이션에서 마이그레이션 설정을 클릭합니다.

  3. 마이그레이션할 리소스 선택에서 마이그레이션할 애셋을 최대 50개까지 선택합니다. 필요한 경우 나중에 이 단계를 반복하여 더 많은 애셋을 마이그레이션할 수 있습니다.

  4. 다음을 클릭하고 마이그레이션하려는 애셋 요약 정보를 검토합니다.

  5. 애셋 마이그레이션을 클릭합니다. 마이그레이션하려는 애셋 수에 따라 마이그레이션하는 데 한 시간 이상 걸릴 수 있습니다. 마이그레이션이 완료되면 마이그레이션 도구가 이메일을 보냅니다.

클라이언트 라이브러리 및 메서드를 사용하여 리소스 마이그레이션

batchMigrateResources() 메서드 및 관련 메서드를 사용하여 리소스를 마이그레이션합니다.

도움이 필요하면 Vertex AI API 참조 문서를 참조하세요.

리전 엔드포인트

Vertex AI API 엔드포인트는 리전별로 적용됩니다. 예를 들면 다음과 같습니다.

us-central1-aiplatform.googleapis.com

전역 엔드포인트는 Vertex AI에 지원되지 않습니다.

참조 문서의 지원되는 엔드포인트 목록을 참조하세요.

Vertex AI에서 실행할 학습 스크립트 업데이트

AI Platform Training에서 실행하는 Python 스크립트, 패키지, Docker 컨테이너는 Vertex AI에서 다음과 같은 특정 변경사항을 실행해야 합니다.

  • Cloud Storage에 출력을 기록하는 작업의 경우 Vertex AI에서 환경 변수를 통해 여러 출력 유형에 대한 Cloud Storage URI를 표시해야 합니다. AI Platform에서 Cloud Storage URI는 일반적으로 명령줄 인수 --job-dir로 표시됩니다.

  • Vertex AI에서 TF_CONFIG 변수는 chief라는 용어를 사용하여 주 머신을 나타냅니다. AI Platform에서는 경우에 따라 master라는 용어가 사용됩니다.

  • Vertex AI에서 커스텀 학습 작업을 제출할 때는 프레임워크 및 프레임워크 버전에 해당하는 사전 빌드된 컨테이너의 Artifact Registry URI를 지정합니다. AI Platform에서 사용하려는 프레임워크 및 프레임워크 버전이 포함된 런타임 버전을 지정합니다.

  • AI Platform에서 지원되는 모든 머신 유형이 Vertex AI에서 지원되지는 않습니다.

다음 단계