Pengantar instance Vertex AI Workbench
Instance Vertex AI Workbench adalah lingkungan pengembangan berbasis notebook Jupyter untuk seluruh alur kerja data science. Anda dapat berinteraksi dengan Vertex AI dan layanan Google Cloud lainnya dari dalam notebook Jupyter instance Vertex AI Workbench.
Integrasi dan fitur Vertex AI Workbench dapat mempermudah Anda untuk mengakses data, memproses data lebih cepat, menjadwalkan operasi notebook, dan lainnya.
Instance Vertex AI Workbench sudah dikemas dengan JupyterLab, dan memiliki rangkaian paket deep learning bawaan, termasuk dukungan untuk framework TensorFlow dan PyTorch. Anda dapat mengonfigurasi instance khusus CPU, atau yang mendukung GPU.
Instance Vertex AI Workbench mendukung kemampuan untuk menyinkronkan dengan repositori GitHub. Instance Vertex AI Workbench dilindungi oleh autentikasi dan otorisasi Google Cloud.
Akses ke data
Anda dapat mengakses data Anda tanpa meninggalkan antarmuka pengguna JupyterLab.
Di dalam menu navigasi JupyterLab pada instance Vertex AI Workbench, Anda dapat menggunakan integrasi Cloud Storage untuk menjelajahi data dan file lain yang dapat Anda akses. Lihat Mengakses bucket dan file Cloud Storage dari dalam JupyterLab.
Anda juga dapat menggunakan integrasi BigQuery untuk menjelajahi tabel yang dapat Anda akses, menulis kueri, melihat pratinjau hasil, dan memuat data ke notebook Anda. Lihat Data kueri di tabel BigQuery dari dalam JupyterLab.
Menjalankan operasi notebook
Gunakan eksekutor untuk menjalankan file notebook sebagai eksekusi satu kali atau sesuai jadwal. Pilih lingkungan dan hardware tertentu yang Anda inginkan untuk menjalankan eksekusi Anda. Kode notebook Anda akan berjalan pada pelatihan kustom Vertex AI, yang dapat mempermudah melakukan pelatihan terdistribusi, mengoptimalkan hyperparameter, atau menjadwalkan tugas pelatihan berkelanjutan.
Anda dapat menggunakan parameter dalam eksekusi untuk membuat perubahan spesifik pada setiap eksekusi. Misalnya, Anda dapat menentukan set data lain yang akan digunakan, mengubah kecepatan pembelajaran pada model, atau mengubah versi modelnya.
Anda juga dapat mengatur notebook untuk dijalankan secara rutin. Meskipun instance Anda dinonaktifkan, Vertex AI Workbench akan menjalankan file notebook Anda dan menyimpan hasilnya untuk dilihat dan dibagikan kepada orang lain.
Membagikan insight
Operasi notebook yang dijalankan disimpan di bucket Cloud Storage, sehingga Anda dapat berbagi insight dengan orang lain dengan memberikan akses ke hasilnya. Lihat bagian sebelumnya tentang cara untuk menjalankan operasi notebook.
Mengamankan instance Anda
Anda dapat men-deploy instance Vertex AI Workbench dengan jaringan default yang dikelola Google, yang menggunakan jaringan serta subnet VPC default. Sebagai ganti jaringan default, Anda dapat menentukan jaringan VPC yang akan digunakan dengan instance Anda.
Secara default, Google Cloud mengenkripsi data saat dalam penyimpanan menggunakan kunci enkripsi yang dikelola oleh Google secara otomatis. Jika Anda memiliki persyaratan kepatuhan atau peraturan khusus terkait kunci yang melindungi data, Anda dapat menggunakan kunci enkripsi yang dikelola pelanggan (CMEK) dengan instance Vertex AI Workbench. Untuk informasi selengkapnya, lihat Kunci enkripsi yang dikelola pelanggan.
Penonaktifan otomatis untuk instance yang sedang tidak beraktivitas
Untuk membantu mengelola biaya, instance Vertex AI Workbench akan dinonaktifkan setelah tidak beraktivitas selama jangka waktu tertentu secara default. Anda dapat mengubah durasi waktu atau menonaktifkan fitur ini. Untuk mengetahui informasi selengkapnya, lihat Penonaktifan saat tidak ada aktivitas.
Menambahkan lingkungan conda
Instance Vertex AI Workbench menggunakan kernel berdasarkan lingkungan conda. Anda dapat menambahkan lingkungan conda ke instance Vertex AI Workbench, dan lingkungan tersebut akan muncul sebagai kernel di antarmuka JupyterLab instance Anda.
Dengan menambahkan lingkungan conda, Anda dapat menggunakan kernel yang tidak tersedia di instance default Vertex AI Workbench. Misalnya, Anda dapat menambahkan lingkungan conda untuk R dan Apache Beam. Atau, Anda dapat menambahkan lingkungan conda untuk versi lama tertentu dari framework yang tersedia, seperti TensorFlow, PyTorch, atau Python.
Untuk mengetahui informasi selengkapnya, lihat Menambahkan lingkungan conda.
Container kustom
Anda dapat membuat instance Vertex AI Workbench berdasarkan container kustom. Mulai dengan image container dasar yang disediakan Google, dan ubah sesuai kebutuhan Anda. Kemudian, buat instance berdasarkan penampung kustom Anda.
Untuk mengetahui informasi selengkapnya, lihat Membuat instance menggunakan penampung kustom.
Integrasi Dataproc
Anda dapat memproses data secara cepat dengan menjalankan notebook pada cluster Dataproc. Setelah cluster siap, Anda dapat menjalankan file notebook di dalamnya tanpa meninggalkan antarmuka pengguna JupyterLab. Untuk informasi selengkapnya, lihat Membuat instance yang mengaktifkan Dataproc.
Membuat instance dengan kredensial pihak ketiga
Anda dapat membuat dan mengelola instance Vertex AI Workbench dengan kredensial pihak ketiga yang disediakan oleh Workforce Identity Federation. Workforce Identity Federation menggunakan penyedia identitas eksternal (IdP) Anda untuk memberikan akses kepada grup pengguna ke instance Vertex AI Workbench melalui proxy.
Akses ke instance Vertex AI Workbench diberikan dengan menetapkan akun utama kumpulan tenaga kerja ke akun layanan instance Vertex AI Workbench.
Untuk mengetahui informasi selengkapnya, lihat Membuat instance dengan kredensial pihak ketiga.
Tag untuk instance Vertex AI Workbench
VM yang mendasari instance Vertex AI Workbench adalah VM Compute Engine. Anda dapat menambahkan dan mengelola tag resource ke instance Vertex AI Workbench melalui VM Compute Engine-nya.
Saat Anda membuat instance Vertex AI Workbench,
Vertex AI Workbench akan melampirkan tag resource Compute Engine
vertex-workbench-instances:prod=READ_ONLY
. Tag resource ini
hanya digunakan untuk tujuan internal.
Untuk mempelajari lebih lanjut cara mengelola tag untuk instance Compute Engine, lihat Mengelola tag untuk resource.
Batasan
Pertimbangkan batasan dari instance Vertex AI Workbench berikut ini saat Anda sedang merencanakan project:
Ekstensi JupyterLab pihak ketiga tidak didukung.
Saat Anda menggunakan Access Context Manager dan Chrome Enterprise Premium untuk melindungi instance Vertex AI Workbench dengan kontrol akses kontekstual, akses akan dievaluasi setiap kali pengguna melakukan autentikasi ke instance tersebut. Misalnya, akses dievaluasi pada saat pertama kali pengguna mengakses JupyterLab, dan setiap kali mereka mengaksesnya jika masa berlaku cookie browser web mereka telah habis.
Menggunakan penampung kustom yang tidak berasal dari penampung dasar yang disediakan Google (
gcr.io/deeplearning-platform-release/workbench-container:latest
) akan meningkatkan risiko masalah kompatibilitas dengan layanan kami dan tidak didukung. Sebagai gantinya, ubah penampung dasar untuk membuat penampung kustom yang memenuhi kebutuhan Anda, lalu buat instance menggunakan penampung kustom.Instance Vertex AI Workbench mengharapkan gambar dari project
cloud-notebooks-managed
. Daftar nama image tersedia di halaman pembuatan di konsol Google Cloud. Meskipun penggunaan image virtual machine (VM) kustom atau image Deep Learning VM dengan instance Vertex AI Workbench dapat dilakukan, Vertex AI Workbench tidak memberikan dukungan apa pun untuk perilaku atau malfungsi yang tidak terduga saat menggunakan image tersebut.Penggunaan image notebook yang dikelola pengguna atau image notebook terkelola untuk membuat instance Vertex AI Workbench tidak didukung.
Anda tidak dapat mengedit VM yang mendasari instance Vertex AI Workbench menggunakan konsol Google Cloud atau Compute Engine API. Untuk mengedit VM yang mendasari instance Vertex AI Workbench, gunakan metode
projects.locations.instances.patch
di Notebooks API atau perintahgcloud workbench instances update
di Google Cloud SDK.Pada instance yang menggunakan Kontrol Layanan VPC, penggunaan eksekutor tidak didukung.
Mengubah tag jaringan instance Vertex AI Workbench tidak didukung.
Untuk menggunakan akselerator dengan instance Vertex AI Workbench, jenis akselerator yang Anda inginkan harus tersedia di zona instance Anda. Untuk mempelajari ketersediaan akselerator menurut zona, lihat Ketersediaan region dan zona GPU.