Introduzione alle istanze di Vertex AI Workbench

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

Le integrazioni e le funzionalità di Vertex AI Workbench facilitano l'accesso ai dati, l'elaborazione più rapida dei dati, la pianificazione delle esecuzioni del blocco note e altro ancora.

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

Le istanze di Vertex AI Workbench supportano la sincronizzazione con un repository GitHub. Le istanze di Vertex AI Workbench sono protette da autenticazione e 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 un'istanza di Vertex AI Workbench, puoi utilizzare l'integrazione di Cloud Storage per sfogliare i dati e gli altri file a cui hai accesso. Vedi Accedere a bucket e file di Cloud Storage da JupyterLab.

Puoi utilizzare l'integrazione di BigQuery anche per sfogliare le tabelle a cui hai accesso, scrivere query, visualizzare l'anteprima dei risultati e caricare dati nel blocco note. Vedi Eseguire query sui dati nelle tabelle BigQuery da JupyterLab.

Esegui esecuzioni blocco note

Usa l'esecutore per eseguire un file blocco note come esecuzione una tantum o in base a una pianificazione. Scegli l'ambiente e l'hardware specifici su cui vuoi eseguire l'esecuzione. Il codice del blocco note verrà eseguito sull'addestramento personalizzato di Vertex AI, che può semplificare l'esecuzione dell'addestramento distribuito, l'ottimizzazione degli iperparametri o la pianificazione di job di addestramento continuo.

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

Puoi anche impostare l'esecuzione di un blocco note in base a una pianificazione ricorrente. Anche quando l'istanza è in arresto, Vertex AI Workbench esegue il file del blocco note e salverà i risultati per poterli esaminare e condividere con altri.

Condividi insight

Le esecuzioni del blocco note eseguite vengono archiviate in un bucket Cloud Storage, quindi puoi condividere i tuoi insight con altri utenti concedendo l'accesso ai risultati. Consulta la sezione precedente sull'esecuzione delle esecuzioni di blocchi note.

Proteggi l'istanza

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

Per impostazione predefinita, Google Cloud cripta automaticamente i dati quando sono inattivi utilizzando chiavi di crittografia gestite da Google. Se hai requisiti normativi o di conformità specifici relativi alle chiavi che proteggono i tuoi dati, puoi utilizzare le chiavi di crittografia gestite dal cliente (CMEK) con le tue istanze Vertex AI Workbench. Per maggiori informazioni, consulta Chiavi di crittografia gestite dal cliente.

Arresto automatico per istanze inattive

Per gestire i costi, le istanze di Vertex AI Workbench vengono arrestate dopo essere state inattive per un periodo di tempo specifico per impostazione predefinita. Puoi modificare il periodo di tempo o disattivare questa funzionalità. Per ulteriori informazioni, consulta Arresto per inattività.

Aggiungi ambienti conda

Le istanze di Vertex AI Workbench utilizzano kernel basati su ambienti conda. È possibile aggiungere un ambiente conda all'istanza di Vertex AI Workbench, in modo che l'ambiente venga visualizzato come kernel nell'interfaccia JupyterLab dell'istanza.

L'aggiunta di ambienti conda ti consente di utilizzare kernel che non sono disponibili nell'istanza predefinita di Vertex AI Workbench. Ad esempio, puoi aggiungere ambienti conda per R e Apache Beam. In alternativa, puoi aggiungere ambienti conda per versioni precedenti specifiche dei framework disponibili, come TensorFlow, PyTorch o Python.

Per maggiori informazioni, consulta Aggiungere un ambiente conda.

Container personalizzati

Puoi creare un'istanza di Vertex AI Workbench in base a un container 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. Dopo aver configurato il cluster, puoi eseguire un file blocco note al suo interno senza uscire dall'interfaccia utente JupyterLab. Per ulteriori informazioni, consulta Creare un'istanza abilitata per Dataproc.

Crea istanze con credenziali di terze parti

Puoi creare e gestire istanze di Vertex AI Workbench con le credenziali di terze parti fornite dalla federazione delle identità per la forza lavoro. La federazione delle identità per la 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 del pool di forza lavoro all'account di servizio dell'istanza di Vertex AI Workbench.

Per maggiori informazioni, consulta Creare un'istanza con credenziali di terze parti.

Limitazioni

Considera 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 Gestore contesto accesso e Chrome Enterprise Premium per proteggere le istanze di Vertex AI Workbench con controlli dell'accesso sensibili al contesto, l'accesso viene valutato ogni volta che l'utente esegue l'autenticazione nell'istanza. Ad esempio, l'accesso viene valutato la prima volta che l'utente accede a JupyterLab e ogni volta che vi accede in seguito se il cookie del suo browser web è scaduto.

  • L'utilizzo di un container personalizzato non derivato dal container 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 il container di base per creare un container personalizzato che soddisfi le tue esigenze, quindi crea un'istanza utilizzando il container personalizzato.

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

  • L'utilizzo di un'immagine di blocchi note gestiti dall'utente o di un'immagine di blocchi note gestiti 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 Vertex AI Workbench, usa il metodo projects.locations.instances.patch nell'API Notebooks o il comando gcloud workbench instances update in Google Cloud SDK.

  • 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 gli acceleratori con le istanze di Vertex AI Workbench, il tipo di acceleratore desiderato deve essere disponibile nella zona dell'istanza. Per ulteriori informazioni sulla disponibilità degli acceleratori per zona, consulta Disponibilità di regioni e zone GPU.

Passaggi successivi