Introdução a notebooks gerenciados pelo usuário
As instâncias de notebooks gerenciados pelo usuário do Vertex AI Workbench permitem criar e gerenciar instâncias de máquina virtual (VM) de aprendizado profundo pré-empacotadas com o JupyterLab (em inglês).
As instâncias de notebooks gerenciados pelo usuário têm um conjunto pré-instalado de pacotes de aprendizado profundo, incluindo suporte para os frameworks do TensorFlow e do PyTorch. É possível configurar instâncias ativadas para GPU ou somente CPU.
Suas instâncias de notebooks gerenciados pelo usuário são protegidas pela autenticação e autorização do Google Cloud e estão disponíveis usando um URL de instância de notebooks gerenciados pelo usuário. As instâncias de notebooks gerenciados pelo usuário também são integradas ao GitHub (em inglês) e fazem sincronia com repositórios dessa plataforma.
As instâncias de notebooks gerenciados pelo usuário poupam você da dificuldade de criar e configurar uma máquina virtual de aprendizado profundo ao oferecer imagens verificadas, otimizadas e testadas para o framework escolhido.
Software pré-instalado
É possível configurar uma instância de notebooks gerenciados pelo usuário para incluir:
JupyterLab (veja os detalhes da versão)
Python 3, com pacotes de chave:
- numpy
- sklearn
- scipy
- pandas
- nltk
- pillow
- fairness-indicators para instâncias de notebooks gerenciados pelo usuário do TensorFlow 2.3 e 2.4
- muitos outros
A versão R 4.x, com pacotes de chave:
- XGBoost
- ggplot2
- caret
- nnet
- rpy2 (pacote para acessar o R em notebooks em Python)
- randomForest
- muitos outros
Anaconda
Pacotes da Nvidia com o driver mais recente dela para instâncias com GPU:
- CUDA 11.x e 12.x
- CuDNN 7.x
- NCCL 2.x
Detalhes da versão do JupyterLab
O JupyterLab 3.x é pré-instalado em novas instâncias de notebooks gerenciados pelo usuário por padrão. Para instâncias criadas antes do lançamento da VM de aprendizado profundo M80, o JupyterLab 1.x foi pré-instalado.
Para criar uma versão mais antiga de uma instância de notebooks gerenciados pelo usuário, consulte Criar uma versão específica de uma instância de notebooks gerenciados pelo usuário.
VPC Service Controls
O VPC Service Controls fornece mais segurança para suas instâncias de notebooks gerenciados pelo usuário. Para mais informações, consulte a Visão geral do VPC Service Controls. Para usar notebooks gerenciados pelo usuário em um perímetro de serviço, consulte Usar uma instância de notebooks gerenciados pelo usuário em um perímetro de serviço.
Upgrades
É possível fazer upgrade do ambiente para usar novos recursos e aproveitar as atualizações do framework, de pacotes e de bugs. É possível fazer upgrade de ambientes manualmente ou por meio de uma configuração de atualização automática. Para saber mais, consulte Fazer upgrade do ambiente de uma instância de notebook gerenciada pelo usuário.
Notebooks gerenciados pelo usuário e Dataproc Hub
O Dataproc Hub é um servidor Jupyterhub personalizado. Os administradores podem criar instâncias do Dataproc Hub que podem gerar clusters de Dataproc de usuário único para hospedar ambientes de notebooks gerenciados pelo usuário. Para mais informações, consulte Configurar o Dataproc Hub.
Notebooks gerenciados pelo usuário e Dataflow
É possível usar notebooks gerenciados pelo usuário em um pipeline e, em seguida, executar o pipeline no Dataflow. Para informações sobre como criar umaApache Beam; instância de notebooks gerenciados pelo usuário que pode ser usada com o Dataflow, consulteComo desenvolver interativamente com os notebooks Apache Beam de dados.
Limitações
Considere as seguintes limitações de notebooks gerenciados ao planejar seu projeto:
As instâncias de notebooks gerenciados pelo usuário são altamente personalizáveis e podem ser ideais para usuários que precisam de muito controle do ambiente. Portanto, as instâncias de notebooks gerenciados pelo usuário podem exigir mais tempo de configuração e gerenciamento do que as instâncias de notebooks gerenciados. As instâncias de notebooks gerenciados podem ser mais ideais para usuários que não precisam de muito controle do ambiente. Para mais informações, consulte Introdução aos notebooks gerenciados.
Extensões JupyterLab de terceiros não são suportadas.
O plug-in Dataproc JupyterLab não é compatível com notebooks gerenciados pelo usuário, mas é possível usá-lo em instâncias do Vertex AI Workbench. Consulte Criar uma instância ativada pelo Dataproc.
Para instâncias de notebooks gerenciados pelo usuário do Dataproc Hub, não é possível desativar o download de arquivos da interface do usuário do JupyterLab. As instâncias de notebooks gerenciadas pelo usuário que usam o framework do Dataproc Hub permitem o download de arquivos, mesmo que você não selecione Ativar o download de arquivos da interface do JupyterLab ao criar a instância.
Quando você usarAccess Context Manager eBeyondCorp Enterprise para proteger as instâncias de notebooks gerenciados com controles de acesso baseado no contexto, o acesso é avaliado sempre que o usuário se autentica na instância. Por exemplo, o acesso é avaliado na primeira vez que o usuário acessa o JupyterLab e, sempre que o acessar, se o cookie do navegador da Web tiver expirado.
Preços
Saiba mais sobre os preços do Vertex AI Workbench.
A seguir
Para começar a usar notebooks gerenciados por usuários, crie uma nova instância de notebooks gerenciados pelo usuário, abra o JupyterLab e teste uma das amostras na pasta de tutoriais.
Em seguida, instale as dependências necessárias para fazer seu trabalho.