Utilizzare un IP privato per l'addestramento personalizzato

L'uso dell'IP privato per la connessione ai job di addestramento offre minore latenza di rete rispetto all'uso di un IP pubblico. Per usare le informazioni private devi utilizzare un Virtual Private Cloud (VPC) per eseguire il peering con qualsiasi tipo di Job di addestramento personalizzato Vertex AI. Ciò consente al codice di addestramento di accedere agli indirizzi IP privati all'interno Google Cloud o reti on-premise.

Questa guida mostra come eseguire job di addestramento personalizzato nella tua rete dopo aver hai già configurato il peering di rete VPC per eseguire il peering della tua rete con Vertex AI CustomJob, HyperparameterTuningJob o TrainingPipeline risorsa.

Panoramica

Prima di inviare un job di addestramento personalizzato utilizzando un indirizzo IP privato, devi configurare l'accesso ai servizi privati per creare connessioni in peering tra la tua rete e Vertex AI. Se l'hai già configurato, puoi utilizzare le connessioni di peering esistenti.

Questa guida illustra le seguenti attività:

  • Scopri quali intervalli IP prenotare per l'addestramento personalizzato.
  • Verifica lo stato delle connessioni di peering esistenti.
  • Eseguire l'addestramento personalizzato di Vertex AI sulla tua rete.
  • Verifica se l'addestramento attivo viene eseguito su una rete prima di in un'altra rete.
  • Verifica che il tuo codice di addestramento possa accedere agli IP privati nella tua rete.

Prenota intervalli IP per l'addestramento personalizzato

Quando prenoti un intervallo IP per i producer di servizi, l'intervallo può essere utilizzato Vertex AI e altri servizi. Questa tabella mostra il numero massimo di job di addestramento parallelo che puoi eseguire con intervalli riservati da /16 a /19, supponendo che l'intervallo sia utilizzato quasi esclusivamente da Vertex AI. Se connettiti con altri producer di servizi usando lo stesso intervallo, alloca in un intervallo di tempo più ampio per ospitarle, in modo da evitare l'esaurimento degli IP.

Configurazione della macchina per il job di addestramento Intervallo riservato Numero massimo di job paralleli
Fino a 8 nodi.
Ad esempio: 1 replica principale nel primo pool di worker, 6 repliche nel secondo pool di worker e 1 worker nel terzo pool di worker (per fungere da server parametri)		 /16 63
/17 31
/18 15
/19 7
Fino a 16 nodi.
Ad esempio: 1 replica principale nel primo pool di worker, 14 repliche nel secondo pool di worker e 1 worker nel terzo pool di worker (per agire come parametro (server)		 /16 31
/17 15
/18 7
/19 3
Fino a 32 nodi.
Ad esempio: 1 replica principale nel primo pool di worker, 30 repliche nel secondo pool di worker e 1 worker nel terzo pool di worker (per fungere da server parametri)		 /16 15
/17 7
/18 3
/19 1

Scopri di più sulla configurazione dei pool di worker per l'addestramento distribuito.

Controllare lo stato delle connessioni di peering esistenti

Se hai già delle connessioni in peering che utilizzi con Vertex AI, puoi elencarli per controllarne lo stato:

gcloud compute networks peerings list --network NETWORK_NAME

Dovresti vedere che lo stato delle connessioni in peering è ACTIVE. Scopri di più sulle connessioni di peering attive.

Esegui addestramento personalizzato

Quando esegui l'addestramento personalizzato, devi specificare il nome della rete a cui vuoi che Vertex AI abbia accesso.

A seconda di come esegui l'addestramento personalizzato, specifica la rete in uno dei seguenti campi dell'API:

Se non specifichi un nome di rete, Vertex AI esegue addestramento personalizzato senza connessione in peering e senza accesso a IP privati nel tuo progetto.

Esempio: creazione di un CustomJob con gcloud CLI

Il seguente esempio mostra come specificare una rete quando utilizzi gcloud CLI per eseguire un CustomJob che utilizza un contenitore predefinito. Se stai eseguendo l'addestramento personalizzato in un altro modo, aggiungi il campo network come descritto per il tipo di job di addestramento personalizzato che stai utilizzando.

  1. Crea un file config.yaml per specificare la rete. Se utilizzi VPC condiviso, utilizza il numero di progetto host VPC.

    Assicurati che il nome della rete sia formattato correttamente:

    PROJECT_NUMBER=$(gcloud projects describe $PROJECT_ID --format="value(projectNumber)")

cat <<EOF > config.yaml
network: projects/PROJECT_NUMBER/global/networks/NETWORK_NAME
EOF

  2. Crea un'applicazione di addestramento su Vertex AI.

  3. Crea il file CustomJob passando il file config.yaml:

    gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --python-package-uris=PYTHON_PACKAGE_URIS \
  --worker-pool-spec=machine-type=MACHINE_TYPE,replica-count=REPLICA_COUNT,executor-image-uri=PYTHON_PACKAGE_EXECUTOR_IMAGE_URI,python-module=PYTHON_MODULE \
  --config=config.yaml

Per informazioni su come sostituire i segnaposto in questo comando, consulta Creazione di segnaposto di addestramento.

Esecuzione di job su reti diverse

Non puoi eseguire l'addestramento personalizzato su una nuova rete mentre sei ancora l'addestramento personalizzato su un'altra rete. Prima di passare a un'altra rete, devi attendere il completamento di tutte le risorse CustomJob, HyperparameterTuningJob e TrainingPipeline personalizzate inviate oppure devi annullarle.

Testa l'accesso ai job di addestramento

Questa sezione spiega come verificare che una risorsa di addestramento personalizzata possa accedere agli IP privati della tua rete.

  1. Crea un'istanza Compute Engine nella tua rete VPC.
  2. Controlla le regole del firewall per assicurarti che non limitino l'accesso dalla rete Vertex AI. In questo caso, aggiungi una regola per assicurarti che la rete Vertex AI possa accedere all'intervallo IP riservato a Vertex AI (e ad altri produttori di servizi).
  3. Configura un server locale sull'istanza VM per creare un endpoint per un Vertex AI CustomJob per accedere.
  4. Creare un'applicazione di addestramento Python da eseguire su Vertex AI. Anziché il codice di addestramento del modello, crea un codice che acceda all'endpoint configurato nel passaggio precedente.
  5. Segui l'esempio precedente per creare una CustomJob.

Problemi comuni

Questa sezione elenca alcuni problemi comuni per la configurazione del peering di rete VPC con Vertex AI.

  • Quando configuri Vertex AI per utilizzare la tua rete, specifica il nome completo della rete:

    &quot;projects/YOUR_PROJECT_NUMBER/global/networks/YOUR_NETWORK_NAME&quot;

  • Assicurati di non eseguire l'addestramento personalizzato su una rete prima l'addestramento personalizzato su una rete diversa.

  • Assicurati di aver allocato un intervallo IP sufficiente per tutti i produttori di servizi a cui si connette la tua rete, incluso Vertex AI.

Per ulteriori informazioni sulla risoluzione dei problemi, consulta Guida alla risoluzione dei problemi relativi al peering di rete VPC.

Passaggi successivi