Introduzione alle istanze di 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 predefinite JupyterLab e hanno una suite preinstallata di pacchetti di deep learning, incluso il supporto per TensorFlow e PyTorch i modelli di machine learning. 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. Vedi Accedere a bucket e file di 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 blocco note

Utilizzare 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 che vuoi su cui eseguire l'esecuzione. Il codice del blocco note verrà eseguito 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 in esecuzione, Vertex AI Workbench eseguire il file del blocco note e salvare i risultati da guardare e condividere con gli altri.

Condividi insight

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 della tua istanza di Vertex AI Workbench con la rete predefinita gestita da Google, che utilizza una rete VPC e una subnet predefinite. Al posto della rete predefinita, puoi specificare rete VPC da utilizzare con la tua istanza.

Per impostazione predefinita, Google Cloud cripta automaticamente i dati quando sono rest utilizzando chiavi di crittografia. gestiti 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 gestire i costi, Istanze di Vertex AI Workbench si arrestano per impostazione predefinita dopo un periodo di inattività specifico. Puoi modificare la quantità di tempo o disattivare questa funzionalità. Per ulteriori informazioni, consulta Arresto per inattività.

Aggiungi ambienti conda

Le istanze di Vertex AI Workbench utilizzano kernel in base agli 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, vedi Aggiungi 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 per per soddisfare le 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 blocco note senza uscire dall'interfaccia utente JupyterLab. Per ulteriori informazioni, consulta Creare un progetto abilitato per Dataproc in esecuzione.

Crea istanze con credenziali di terze parti

Puoi creare e gestire istanze di Vertex AI Workbench con credenziali di terze parti forniti dalla Federazione delle identità per la forza lavoro. La federazione delle identità per la forza lavoro utilizza provider di identità (IdP) esterno per concedere l'accesso a un gruppo di utenti le 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.

Limitazioni

Considera le seguenti limitazioni Istanze di Vertex AI Workbench durante la pianificazione del 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 sensibili al contesto, l'accesso viene valutato ogni volta 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 lo accede, se il browser web è scaduto.

  • Utilizzo di un container personalizzato che non deriva 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 invece il container di base per creare un container personalizzato che soddisfi 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 comportamenti o malfunzionamenti imprevisti nelle immagini personalizzate.

  • L'utilizzo di un'immagine di blocchi note gestiti dall'utente per creare un'immagine blocchi note gestiti L'istanza di Vertex AI Workbench non è supportata.

  • 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 un per la VM sottostante dell'istanza Vertex AI Workbench, utilizza projects.locations.instances.patch nell'API Notebooks o nel gcloud workbench instances update in Google Cloud SDK.

  • Nelle istanze che utilizzano i Controlli di servizio VPC, executor non è supportati.

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

  • Per utilizzare gli acceleratori con le 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