Créer une instance de notebooks gérés par l'utilisateur avec un conteneur personnalisé

Vous pouvez créer une instance de notebooks gérés par l'utilisateur basée sur un conteneur personnalisé. L'utilisation d'un conteneur personnalisé vous permet de configurer un environnement de notebooks gérés par l'utilisateur adapté à vos besoins. Le conteneur doit être accessible à votre compte de service Google Cloud et offrir l'accès à un service via le port 8080. Nous vous recommandons de créer un conteneur dérivé d'une image de conteneur de deep learning, car ces images sont déjà configurées pour être compatibles avec les notebooks gérés par l'utilisateur.

Mise à jour des kernels de conteneurs personnalisés

Vertex AI Workbench extrait la dernière image de conteneur pour votre kernel :

  • lors de la création d'une instance ;

  • lors de la mise à niveau d'une instance ;

  • lors du démarrage d'une instance.

Le kernel d'un conteneur personnalisé ne persiste pas lorsque votre instance est arrêtée. Par conséquent, chaque fois que votre instance est démarrée, Vertex AI Workbench extrait la dernière version de l'image de conteneur.

Si votre instance est en cours d'exécution lors de la publication d'une nouvelle version de conteneur, le kernel de votre instance n'est pas mis à jour tant que vous n'avez pas arrêté et démarré votre instance.

Avant de commencer

Avant de pouvoir créer une instance de notebooks gérés par l'utilisateur, vous devez disposer d'un projet Google Cloud et activer l'API Notebooks pour ce projet.
  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. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

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

  4. Enable the Notebooks API.

    Enable the API

    5.

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

    Go to project selector

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

  7. Enable the Notebooks API.

    Enable the API

    8.

  8. Si vous prévoyez d'utiliser des GPU avec votre instance de notebooks gérés par l'utilisateur, consultez la page des quotas dans la console Google Cloud pour vous assurer que vous disposez de suffisamment de GPU dans votre projet. Si les GPU ne figurent pas sur la page "Quotas" ou que vous avez besoin d'un quota de GPU supplémentaire, demandez une augmentation de quota. Consultez la section Demander une augmentation de quota de la page Quotas de ressources Compute Engine.

Rôles requis

Si vous avez créé le projet, vous disposez du rôle IAM Propriétaire (roles/owner) sur le projet, qui inclut toutes les autorisations requises. Ignorez cette section et commencez à créer votre instance de notebooks gérés par l'utilisateur. Si vous n'avez pas créé le projet vous-même, continuez dans cette section.

Pour vous assurer que votre compte utilisateur dispose des autorisations nécessaires pour créer une instance de notebooks gérés par l'utilisateur Vertex AI Workbench, demandez à votre administrateur d'attribuer les rôles IAM suivants à votre compte utilisateur sur le projet :

Pour en savoir plus sur l'attribution de rôles, consultez la page Gérer l'accès aux projets, aux dossiers et aux organisations.

Votre administrateur peut également attribuer à votre compte utilisateur les autorisations requises via des rôles personnalisés ou d'autres rôles prédéfinis.

Vérifier que votre conteneur personnalisé est prêt

Assurez-vous de disposer d'un conteneur personnalisé accessible à votre compte de service Google Cloud. Pour en savoir plus sur la création d'un conteneur personnalisé à partir d'une image de conteneur de deep learning, consultez la page Créer un conteneur dérivé.

Créer une instance avec un conteneur personnalisé

Pour créer une instance de notebooks gérés par l'utilisateur avec un conteneur personnalisé, procédez comme suit :

  1. Dans Google Cloud Console, accédez à la page Notebooks gérés par l'utilisateur. Vous pouvez également accéder à notebook.new (https://notebook.new) et ignorer l'étape suivante.

    Accéder à la page Notebooks gérés par l'utilisateur

  2. Cliquez sur  Créer.

  3. Cliquez sur Options avancées.

  4. Dans la section Détails de la page Créer une instance, fournissez les informations suivantes pour la nouvelle instance :

    • Nom : nom de la nouvelle instance.
    • Région et Zone : sélectionnez une région et une zone pour la nouvelle instance. Pour obtenir les meilleures performances réseau, sélectionnez la région la plus proche de vous géographiquement. Découvrez les emplacements de notebooks gérés par l'utilisateur disponibles.

  5. Dans la section Environnement, dans le champ Environnement, sélectionnez Conteneur personnalisé.

  6. Dans le champ Image de conteneur Docker, ajoutez une image de conteneur Docker de l'une des manières suivantes :

    • Saisissez un chemin d'accès d'image de conteneur Docker. Par exemple, pour utiliser une image de conteneur TensorFlow 2.12 avec des accélérateurs à partir de Conteneurs de deep learning, saisissez us-docker.pkg.dev/deeplearning-platform-release/gcr.io/tf-cpu.2-12.py310.
    • Cliquez sur Sélectionner pour ajouter une image de conteneur Docker à partir d'Artifact Registry. Dans l'onglet Artifact Registry dans lequel votre image de conteneur est stockée, remplacez le projet par le projet qui inclut votre image de conteneur, puis sélectionnez votre image de conteneur.

  7. Effectuez le reste des sélections requises ou conservez les paramètres par défaut. Pour en savoir plus sur ces paramètres, consultez la section Créer une instance de notebooks gérés par l'utilisateur avec des propriétés spécifiques.

  8. Cliquez sur Créer. Vertex AI Workbench crée pour vous une instance de notebooks gérés par l'utilisateur basée sur votre conteneur personnalisé.

Étapes suivantes