Membuat instance notebook yang dikelola pengguna dengan container kustom

Membuat instance notebook yang dikelola pengguna dengan container kustom

Notebook Vertex AI Workbench yang dikelola pengguna sudah tidak digunakan lagi. Pada 14 April 2025, dukungan untuk notebook yang dikelola pengguna akan berakhir dan kemampuan untuk membuat instance notebook yang dikelola pengguna akan dihapus. Instance yang ada akan terus berfungsi, tetapi patch, update, dan upgrade tidak akan tersedia. Untuk terus menggunakan Vertex AI Workbench, sebaiknya migrasikan instance notebook yang dikelola pengguna ke instance Vertex AI Workbench.

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 layananGoogle 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 projectGoogle Cloud dan mengaktifkan Notebooks API untuk project tersebut.

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.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Notebooks API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Notebooks API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

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

Untuk mendapatkan izin yang Anda perlukan guna membuat instance notebook yang dikelola pengguna Vertex AI Workbench, minta administrator Anda untuk memberi Anda peran IAM berikut pada project:

• Notebooks Admin (roles/notebooks.admin)
• Pengguna Akun Layanan (roles/iam.serviceAccountUser)

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran kustom atau peran yang telah ditentukan lainnya.

Pastikan container kustom Anda sudah siap

Pastikan Anda memiliki container kustom yang dapat diakses oleh akun layananGoogle 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. Di halaman Buat instance, di bagian Detail, berikan informasi berikut untuk instance baru Anda:

   • Nama: 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 Anda disimpan, ubah project ke project yang menyertakan image container Anda, lalu pilih image container Anda.

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 berikutnya

• Baca cara mengirim image container ke Artifact Registry. Jika image container yang Anda kirim ke Artifact Registry berasal dari image Deep Learning Containers, Anda dapat menggunakan image container ini saat membuat instance notebook yang dikelola pengguna.
• Pelajari lebih lanjut cara mengubah container kustom dengan membaca Praktik terbaik untuk menulis Dockerfile.