本頁面由 Cloud Translation API 翻譯而成。

掛接網路檔案系統共用區

您可以將自訂訓練工作設定為將網路檔案系統 (NFS) 共用區掛接到執行程式碼的容器。這樣一來，作業就能存取遠端檔案，就像存取本機檔案一樣，進而實現高總處理量和低延遲。

本指南說明執行自訂訓練工作時，如何掛接網路檔案系統共用資料夾。

事前準備

在虛擬私有雲 (VPC) 中建立 NFS 共用項目。分享內容必須未設定任何驗證機制，可直接存取。

您可以將 Filestore 執行個體做為 NFS 共用區。如果您使用 Filestore，並打算在下一個步驟中透過虛擬私有雲對等互連使用 Vertex AI，請在建立執行個體時選取「私人服務存取」做為連線模式。如需範例，請參閱 Filestore 說明文件中的「建立執行個體」。
如要將 Vertex AI 連線至代管 NFS 共用的虛擬私有雲，請按照「使用 Vertex AI 的 Private Service Connect 介面」(建議) 或「設定虛擬私有雲網路對等互連」中的操作說明進行。

自訂訓練的網路檔案系統資訊

建立會掛接 NFS 共用區的自訂訓練工作時，您必須指定下列項目：

Vertex AI 要存取的網路名稱。指定網路名稱的方式會因自訂訓練作業類型而異。詳情請參閱「執行自訂訓練」。

WorkerPoolSpec 欄位中的 NFS 設定。包含下列欄位：

欄位	說明
`nfsMounts.server`	NFS 伺服器的 IP 位址。必須是 VPC 中的私人位址。
`nfsMounts.path`	NFS 共用區路徑。這必須是以 `/` 開頭的絕對路徑。
`nfsMounts.mountPoint`	本機掛接點。這必須是有效的 UNIX 目錄名稱。舉例來說，如果本機掛接點是 `sourceData`，請從訓練 VM 執行個體指定 `/mnt/nfs/sourceData` 路徑。

詳情請參閱「指定運算資源的位置」。

範例：使用 gcloud CLI 建立自訂工作

請按照「為預先建立的容器建構 Python 訓練應用程式」中的步驟，建構要在 Vertex AI 上執行的訓練應用程式。
建立名為 config.yaml 的檔案，說明訓練工作的 PSA 或 Private Service Connect 介面設定裝載設定。請使用下列其中一種格式：

Private Service Connect 介面

如要使用 Private Service Connect 介面，請按照下列步驟操作：
```
pscInterfaceConfig:
     network_attachment: NETWORK_ATTACHMENT_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
    replicaCount: 1
    pythonPackageSpec:
       executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI
       packageUris:
       -  PYTHON_PACKAGE_URIS
       pythonModule: PYTHON_MODULE
    nfsMounts:
      - server: NFS_SERVER_IP
      path: NFS_SHARE_NAME
      mountPoint: LOCAL_FOLDER
```
更改下列內容：
- NETWORK_ATTACHMENT_NAME：網路附件的名稱。
- MACHINE_TYPE：虛擬機器類型 ID。
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI 或 PRE_BUILT_CONTAINER_IMAGE_URI： Artifact Registry 中容器映像檔的 URI，用於執行提供的 Python 套件。Vertex AI 提供各種預先安裝套件的執行器映像檔，可滿足使用者的各種用途。
- PYTHON_PACKAGE_URIS：以逗號分隔的 Cloud Storage URI 清單，指定構成訓練程式及其依附元件套件的 Python 套件檔案。套件 URI 數量上限為 100 個。
- PYTHON_MODULE：安裝套件後要執行的 Python 模組名稱。
- NFS_SERVER_IP：NFS 伺服器的 IP 位址。
- NFS_SHARE_NAME：NFS 共用路徑，這是以 / 開頭的絕對路徑。
- LOCAL_FOLDER：本機掛接點 (UNIX 目錄名稱)。
請確認網路名稱格式正確，且 NFS 共用磁碟機位於指定網路中。
建立自訂工作，並將 config.yaml 檔案傳遞至 --config 參數。
```
gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml
```
更改下列內容：
- LOCATION：指定要建立作業的區域。
- JOB_NAME：自訂作業的名稱。

虛擬私有雲對等互連

如要讓作業使用虛擬私有雲對等互連/PSA，請使用虛擬私有雲對等互連。
```
network: projects/PROJECT_NUMBER/global/networks/NETWORK_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
      replicaCount: 1
      pythonPackageSpec:
        executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or 
              PRE_BUILT_CONTAINER_IMAGE_URI
        packageUris:
          -  PYTHON_PACKAGE_URIS
        pythonModule: PYTHON_MODULE
      nfsMounts:
        - server: NFS_SERVER_IP
          path: NFS_SHARE_NAME
          mountPoint: LOCAL_FOLDER
```
更改下列內容：
- PROJECT_NUMBER：您的 Google Cloud 專案 ID。
- NETWORK_NAME：私人或共用虛擬私有雲的名稱。
- MACHINE_TYPE：虛擬機器類型 ID。
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI：Artifact Registry 中容器映像檔的 URI，用於執行提供的 Python 套件。Vertex AI 提供各種預先安裝套件的執行器映像檔，可滿足使用者的各種用途。
- PYTHON_PACKAGE_URIS：以逗號分隔的 Cloud Storage URI 清單，指定構成訓練程式及其依附元件套件的 Python 套件檔案。套件 URI 數量上限為 100 個。
- PYTHON_MODULE：安裝套件後要執行的 Python 模組名稱。
- NFS_SERVER_IP：NFS 伺服器的 IP 位址。
- NFS_SHARE_NAME：NFS 共用路徑，這是以 / 開頭的絕對路徑。
- LOCAL_FOLDER：本機掛接點 (UNIX 目錄名稱)。
請確認網路名稱格式正確，且 NFS 共用磁碟機位於指定網路中。

建立自訂工作，並將 config.yaml 檔案傳遞至 --config 參數。

gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml

更改下列內容：

LOCATION：指定要建立作業的區域。
JOB_NAME：自訂作業的名稱。

限制

您必須使用 VPC 內部的 IP 位址掛接 NFS 共用項目，不得使用公開網址。
訓練工作會掛接 NFS 共用項目，但不會進行驗證，因此如果需要使用者名稱和密碼，就會失敗。

如要保護資料，請在 NFS 共用區設定權限。如果您使用 Filestore，請參閱 Filestore 說明文件中的存取權控管。
您無法同時執行兩項訓練工作，並從不同 VPC 網路掛接 NFS 共用項目。這是因為網路對等互連限制。