Membuat instance notebook yang dikelola pengguna dengan container kustom

Anda dapat membuat instance notebook yang dikelola pengguna berdasarkan container kustom. Penggunaan container kustom memungkinkan Anda menyesuaikan lingkungan notebook yang dikelola pengguna untuk kebutuhan spesifik Anda. Container harus dapat diakses oleh akun layanan Google Cloud Anda dan mengekspos layanan di port 8080. Sebaiknya buat container yang berasal dari image Deep Learning Containers, karena image tersebut sudah dikonfigurasi agar kompatibel dengan notebook yang dikelola pengguna.

Bagaimana kernel container kustom diupdate

Vertex AI Workbench mengambil image container terbaru untuk kernel Anda:

  • Saat Anda membuat instance.

  • Saat Anda mengupgrade instance.

  • Saat Anda memulai instance.

Kernel container kustom tidak akan bertahan saat instance Anda dihentikan, sehingga setiap kali instance Anda dimulai, Vertex AI Workbench akan menarik image container versi terbaru.

Jika instance Anda berjalan saat versi container yang baru dirilis, kernel instance Anda tidak akan diupdate hingga Anda berhenti dan memulai instance.

Sebelum memulai

Sebelum dapat membuat instance notebook yang dikelola pengguna, Anda harus memiliki project Google Cloud dan mengaktifkan Notebooks API untuk project tersebut.
  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.

    Buka pemilih project

  3. Make sure that billing is enabled for your Google Cloud project.

  4. Aktifkan API Notebooks.

    Mengaktifkan API

    5.

  5. Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.

    Buka pemilih project

  6. Make sure that billing is enabled for your Google Cloud project.

  7. Aktifkan API Notebooks.

    Mengaktifkan API

    8.

  8. Jika Anda berencana menggunakan GPU dengan instance notebook yang dikelola pengguna, lihat halaman kuota di Konsol Google Cloud untuk memastikan bahwa Anda memiliki cukup GPU yang tersedia dalam project Anda. Jika GPU tidak tercantum di halaman kuota, atau Anda memerlukan kuota GPU tambahan, Anda dapat meminta penambahan kuota. Lihat Meminta penambahan kuota di halaman Kuota resource Compute Engine.

Peran yang diperlukan

Jika sudah membuat project, Anda memiliki peran IAM Pemilik (roles/owner) pada project, yang mencakup semua izin yang diperlukan. Lewati bagian ini dan mulai buat instance notebook yang dikelola pengguna. Jika Anda tidak membuat project tersebut sendiri, lanjutkan di bagian ini.

Untuk memastikan bahwa akun pengguna Anda memiliki izin yang diperlukan untuk membuat instance notebook yang dikelola pengguna Vertex AI Workbench, minta administrator untuk memberikan peran IAM berikut pada project kepada akun pengguna Anda:

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses.

Administrator mungkin juga dapat memberi akun pengguna Anda izin yang diperlukan melalui peran khusus atau peran yang telah ditetapkan lainnya.

Pastikan container kustom Anda sudah siap

Pastikan Anda memiliki container kustom yang dapat diakses oleh akun layanan Google Cloud Anda. Untuk mengetahui informasi tentang cara membuat container kustom dari image Deep Learning Containers, lihat Membuat container turunan.

Membuat instance dengan container kustom

Untuk membuat instance notebook yang dikelola pengguna dengan container kustom, selesaikan langkah-langkah berikut:

  1. Di Konsol Google Cloud, buka halaman User-managed notebooks. Atau buka notebook.new (https://notebook.new) dan lewati langkah berikutnya.

    Buka Notebook yang dikelola pengguna

  2. Klik  Buat baru.

  3. Klik Advanced options.

  4. Pada halaman Create instance, di bagian Details, berikan informasi berikut untuk instance baru Anda:

    • Name: nama untuk instance baru Anda
    • Region dan Zone: Pilih region dan zona untuk instance baru. Untuk mendapatkan performa jaringan terbaik, pilih region yang paling dekat secara geografis dengan Anda. Lihat lokasi notebook yang dikelola pengguna yang tersedia.

  5. Di bagian Environment, di kolom Environment, pilih Custom container.

  6. Di kolom Docker container image, tambahkan image container Docker dengan salah satu cara berikut:

    • Masukkan jalur image container Docker. Misalnya, untuk menggunakan image container TensorFlow 2.12 dengan akselerator dari Deep Learning Containers, masukkan us-docker.pkg.dev/deeplearning-platform-release/gcr.io/tf-cpu.2-12.py310.
    • Klik Select untuk menambahkan image container Docker dari Artifact Registry. Kemudian, di tab Artifact Registry tempat image container disimpan, ubah project ke project yang berisi image container Anda, lalu pilih image container.

  7. Tentukan pilihan Anda yang lain, atau gunakan setelan default-nya. Untuk mengetahui informasi selengkapnya tentang setelan ini, lihat Membuat instance notebook yang dikelola pengguna dengan properti tertentu.

  8. Klik Create. Vertex AI Workbench membuat instance notebook yang dikelola pengguna untuk Anda berdasarkan container kustom Anda.

Langkah selanjutnya