Introduzione alle istanze Vertex AI Workbench

Le istanze di Vertex AI Workbench sono ambienti di sviluppo basati su blocchi note Jupyter per l'intero flusso di lavoro di data science. Puoi interagire con Vertex AI e altri servizi Google Cloud dall'interno il blocco note Jupyter di un'istanza di Vertex AI Workbench.

Le integrazioni e le funzionalità di Vertex AI Workbench possono semplificare per accedere ai dati, elaborarli più rapidamente, pianificare le esecuzioni del blocco note e altro ancora.

Le istanze di Vertex AI Workbench sono preconfezionate con JupyterLab e dispongono di una suite preinstallata di pacchetti di deep learning, incluso il supporto per i framework TensorFlow e PyTorch. Puoi configurare istanze solo CPU o GPU.

Supporto delle istanze di Vertex AI Workbench la possibilità di sincronizzarsi con GitHub. Le istanze di Vertex AI Workbench sono protette tramite l'autenticazione e l'autorizzazione di Google Cloud.

Accesso ai dati

Puoi accedere ai tuoi dati senza uscire dall'interfaccia utente JupyterLab.

Nel menu di navigazione di JupyterLab su per un'istanza di Vertex AI Workbench, puoi utilizzare Integrazione di Cloud Storage per sfogliare i dati e altri file a cui hai accesso. Consulta Accedere ai file e ai bucket Cloud Storage da JupyterLab.

Puoi utilizzare anche Integrazione di BigQuery per sfogliare le tabelle a cui hai accesso, scrivi query, visualizza l'anteprima dei risultati e carica i dati nel tuo blocco note. Consulta Eseguire query sui dati nelle tabelle BigQuery da JupyterLab.

Esegui esecuzioni del notebook

Utilizza l'executor per eseguire un file del notebook come esecuzione una tantum o pianificata. Scegli l'ambiente e l'hardware specifici che vuoi su cui eseguire l'esecuzione. Il codice del blocco note verrà eseguito il giorno l'addestramento personalizzato di Vertex AI, che può semplificare eseguire l'addestramento distribuito, ottimizzare gli iperparametri o e pianificare job di addestramento continuo.

Puoi utilizzare i parametri in la tua esecuzione per apportare modifiche specifiche a ogni esecuzione. Ad esempio, puoi specificare un set di dati diverso da utilizzare, cambiare il tasso di apprendimento sul modello o cambiare la versione del modello.

Puoi anche impostare un blocco note in modo che venga eseguito su un programmazione. Anche quando l'istanza è inattiva, Vertex AI Workbench eseguirà il file del tuo blocco note e salverà i risultati per consentirti di visualizzarli e condividerli con altri.

Condividi approfondimenti

Le esecuzioni del blocco note eseguite vengono archiviate in un bucket Cloud Storage, per condividere i tuoi dati con altre persone concedendo l'accesso ai risultati. Visualizza la sezione precedente sull'esecuzione del blocco note.

Proteggi l'istanza

Puoi eseguire il deployment dell'istanza Vertex AI Workbench con la rete gestita da Google predefinita, che utilizza una rete e una subnet VPC predefinite. Anziché la rete predefinita, puoi specificare una rete VPC da utilizzare con l'istanza.

Per impostazione predefinita, Google Cloud cripta automaticamente i dati in stato at-rest utilizzando chiavi di crittografia gestite da Google. Se hai requisiti normativi o di conformità specifici alle chiavi che proteggono i tuoi dati, puoi utilizzare i cluster di crittografia CMEK (CMEK) con le tue istanze Vertex AI Workbench. Per ulteriori informazioni, consulta Chiavi di crittografia gestite dal cliente.

Arresto automatico per istanze inattive

Per aiutarti a gestire i costi, per impostazione predefinita le istanze di Vertex AI Workbench si arrestano dopo essere rimaste inattive per un determinato periodo di tempo. Puoi modificare il periodo di tempo o disattivare questa funzionalità. Per ulteriori informazioni, consulta Spegnimento in caso di inattività.

Aggiungere ambienti conda

Le istanze Vertex AI Workbench utilizzano kernel basati su ambienti conda. Puoi aggiungere un ambiente conda l'istanza di Vertex AI Workbench e l'ambiente verrà visualizzato un kernel nell'interfaccia JupyterLab della tua istanza.

L'aggiunta di ambienti conda consente di utilizzare kernel che non sono disponibili predefinita di Vertex AI Workbench. Ad esempio, puoi aggiungere ambienti conda per R e Apache Beam. Oppure tu è possibile aggiungere ambienti conda per versioni precedenti specifiche dei come TensorFlow, PyTorch o Python.

Per ulteriori informazioni, consulta Aggiungere un ambiente conda.

Container personalizzati

Puoi creare un'istanza di Vertex AI Workbench in base a un contenitore personalizzato. Inizia con un'immagine container di base fornita da Google e modificala in base alle tue esigenze. Quindi crea un'istanza basata sul tuo container personalizzato.

Per ulteriori informazioni, consulta Creare un'istanza utilizzando un container personalizzato.

Integrazione di Dataproc

Puoi elaborare i dati rapidamente eseguendo un blocco note su un cluster Dataproc. Una volta configurato il cluster, puoi eseguire un file del blocco note senza uscire dall'interfaccia utente di JupyterLab. Per ulteriori informazioni, consulta Creare un'istanza abilitata per Dataproc.

Creare istanze con credenziali di terze parti

Puoi creare e gestire istanze di Vertex AI Workbench con credenziali di terze parti fornite da Workforce Identity Federation. La federazione delle identità della forza lavoro utilizza il tuo provider di identità (IdP) esterno per concedere a un gruppo di utenti l'accesso alle istanze di Vertex AI Workbench tramite un proxy.

L'accesso a un'istanza di Vertex AI Workbench viene concesso assegnando un entità pool forza lavoro all'account di servizio dell'istanza di Vertex AI Workbench.

Per ulteriori informazioni, vedi Crea un'istanza con credenziali di terze parti.

Tag per istanze Vertex AI Workbench

La VM di base di un'istanza Vertex AI Workbench è una VM Compute Engine. Puoi aggiungere e gestire tag di risorse dell'istanza di Vertex AI Workbench tramite la VM di Compute Engine.

Quando crei un'istanza di Vertex AI Workbench, Vertex AI Workbench allega il tag della risorsa Compute Engine vertex-workbench-instances:prod=READ_ONLY. Questo tag risorsa è ed è utilizzata solo per scopi interni.

Per scoprire di più sulla gestione dei tag per le istanze Compute Engine, consulta Gestire i tag per le risorse.

Limitazioni

Tieni presenti le seguenti limitazioni delle istanze di Vertex AI Workbench quando pianifichi il tuo progetto:

  • Le estensioni JupyterLab di terze parti non sono supportate.

  • Quando utilizzi Access Context Manager e Chrome Enterprise Premium per proteggere le istanze di Vertex AI Workbench con controlli di accesso basati sul contesto, l'accesso viene valutato ogni volta che l'utente si autentica nell'istanza. Ad esempio, l'accesso viene valutato la prima volta che l'utente accede a JupyterLab e ogni volta che accede successivamente se il cookie del browser web è scaduto.

  • L'utilizzo di un contenitore personalizzato non derivato dal contenitore di base fornito da Google (gcr.io/deeplearning-platform-release/workbench-container:latest) aumenta i rischi di problemi di compatibilità con i nostri servizi e non è supportato. Modifica invece il container di base per creare un container personalizzato che soddisfa le tue esigenze, quindi crea un'istanza utilizzando il container personalizzato.

  • Sebbene l'uso di immagini di macchine virtuali (VM) personalizzate o Deep Learning VM con le istanze di Vertex AI Workbench possibile, Vertex AI Workbench non fornisce assistenza per comportamenti o malfunzionamenti imprevisti nelle immagini personalizzate.

  • L'utilizzo di un'immagine di notebook gestita dall'utente o di un'immagine di notebook gestita per creare un'istanza di Vertex AI Workbench non è supportato.

  • Non puoi modificare la VM sottostante di un'istanza di Vertex AI Workbench utilizzando la console Google Cloud o l'API Compute Engine. Per modificare la VM sottostante di un'istanza di Vertex AI Workbench, utilizza il metodo projects.locations.instances.patch nell'API Notebooks o il comando gcloud workbench instances update nell'SDK Google Cloud.

  • Nelle istanze che utilizzano i Controlli di servizio VPC, l'utilizzo dell'executor non è supportato.

  • La modifica dei tag di rete delle istanze di Vertex AI Workbench non è supportata.

  • Per utilizzare acceleratori con istanze di Vertex AI Workbench, il tipo di acceleratore desiderato deve essere disponibile zona di destinazione. Per informazioni sulla disponibilità degli acceleratori per zona, vedi Disponibilità di regioni e zone GPU.

Passaggi successivi