Installer les bibliothèques clientes Vertex AI

Cette page vous explique comment installer les bibliothèques clientes Vertex AI pour Google Distributed Cloud (GDC) avec isolation physique, qui vous permettent d'interagir avec divers services Vertex AI depuis votre application et votre environnement de développement. Vous pouvez découvrir les types de bibliothèques clientes disponibles pour les API Vertex AI et les étapes à suivre pour les installer à partir du fichier tar.

Cette page s'adresse aux développeurs d'applications au sein de groupes d'opérateurs d'applications chargés de configurer leurs environnements d'application et de développement pour activer les fonctionnalités d'IA. Pour en savoir plus, consultez la documentation sur les audiences pour GDC sous air gap.

Chaque service Vertex AI fournit une API. Bien que vous puissiez interagir directement avec ces API via des requêtes brutes au serveur, les bibliothèques clientes simplifient l'accès programmatique à partir des langages compatibles sur Distributed Cloud. Ils réduisent le code nécessaire, en particulier lorsque vous travaillez dans des environnements tels qu'un notebook JupyterLab.

Vous pouvez installer une bibliothèque cliente Vertex AI à l'aide des méthodes suivantes :

• Extrayez le fichier de bibliothèque directement du fichier tar.
• Utilisez un notebook JupyterLab pour importer la bibliothèque.
• Importer une bibliothèque cliente à partir d'un notebook Pour en savoir plus, consultez Gérer les notebooks.

Bibliothèques clientes Vertex AI

Vertex AI propose différentes versions de bibliothèques clientes pour les systèmes d'exploitation CentOS et Ubuntu.

Les conventions d'attribution de noms des bibliothèques clientes Vertex AI dans le fichier tar sont basées sur le système d'exploitation, le nom du service et la version. Les noms de fichiers respectent le format suivant :

OS-google-cloud-SERVICE-VERSION.tar.gz

Remplacez les éléments suivants :

• OS : nom du système d'exploitation sur lequel vous souhaitez installer la bibliothèque cliente. Les valeurs autorisées sont centos et ubuntu.

• SERVICE : nom du service Vertex AI à partir duquel vous souhaitez télécharger la bibliothèque cliente. Les valeurs autorisées sont les suivantes :

  • aiplatform : bibliothèque cliente Vertex AI Platform.
  • speech : bibliothèque cliente Speech-to-Text.
  • translate : bibliothèque cliente Vertex AI Translation.
  • vision : bibliothèque cliente OCR.

• VERSION : numéro de version de la bibliothèque cliente, par exemple 3.8.0.

Le tableau suivant contient les bibliothèques clientes Vertex AI compatibles avec Distributed Cloud :

Service Vertex AI	Système d'exploitation	Nom de fichier
OCR	CentOS	centos-google-cloud-vision-3.0.0.tar.gz
	Ubuntu	ubuntu-google-cloud-vision-3.0.0.tar.gz
Speech-to-Text	CentOS	centos-google-cloud-speech-2.15.0.tar.gz
	Ubuntu	ubuntu-google-cloud-speech-2.15.0.tar.gz
Vertex AI Translation	CentOS	centos-google-cloud-translate-3.8.0.tar.gz
	Ubuntu	ubuntu-google-cloud-translate-3.8.0.tar.gz
Vertex AI Platform	CentOS	centos-google-cloud-aiplatform-1.34.0.tar.gz
	Ubuntu	ubuntu-google-cloud-aiplatform-1.34.0.tar.gz

Important : Vous devez installer la bibliothèque cliente Vertex AI Platform pour utiliser des modèles d'IA générative tels que l'embedding textuel et l'embedding textuel multilingue.

Avant de commencer

Avant de télécharger le fichier tar et d'extraire les bibliothèques clientes, procédez comme suit :

1. Configurez un projet pour Vertex AI.

2. Authentifiez-vous avec la CLI gdcloud :

   gdcloud auth login
   

   Pour en savoir plus sur l'authentification auprès de votre fournisseur d'identité configuré, consultez Authentification gdcloud CLI.

3. Vérifiez que vous avez installé Python 3.7 à 3.10. Les fichiers tarball de la bibliothèque cliente contiennent des fichiers wheel pour cp37 à cp310.

Installer une bibliothèque cliente

Après avoir rempli les conditions préalables, suivez ces étapes pour télécharger le fichier tar et l'utiliser pour installer une bibliothèque cliente :

1. Téléchargez la bibliothèque cliente que vous souhaitez installer :

   wget https://GDC_URL/.well-known/static/client-libraries/CLIENT_LIBRARY
   

   Remplacez les éléments suivants :

   • GDC_URL : URL de la console GDC pour votre organisation.
   • CLIENT_LIBRARY : nom de fichier de la bibliothèque cliente que vous souhaitez télécharger.

2. Extrayez le fichier de bibliothèque :

   tar -zxf CLIENT_LIBRARY
   

   L'extraction de OS-google-cloud-SERVICE-VERSION.tar.gz (par exemple, centos-google-cloud-speech-2.15.0.tar.gz) crée le répertoire LIBRARY_NAME (par exemple, google-cloud-speech, sans le préfixe OS- ni le suffixe -VERSION).

3. Installez la bibliothèque cliente dans Distributed Cloud :

   pip install -r LIBRARY_NAME/requirements.txt --no-index --find-links LIBRARY_NAME
   

   Remplacez LIBRARY_NAME par le nom du répertoire de la bibliothèque extraite, par exemple google-cloud-speech.

4. Si vous avez installé la bibliothèque cliente Speech-to-Text, vérifiez l'installation et la version (2.15.0) :

   Remarque : Les appels d'API Speech-to-Text sur Distributed Cloud doivent importer from google.cloud import speech_v1p1beta1 as speech, car la passerelle d'API achemine le service google.cloud.speech.v1p1beta1.Speech. L'importation de from google.cloud import speech est définie par défaut sur speech_v1, et les appels d'API avec speech_v1 renvoient 501 MethodNotImplemented.

   from google.cloud import speech_v1p1beta1 as speech
   
   print(speech.__version__)
   

   Le résultat affiche la version installée :

   2.15.0
   

5. Importez la bibliothèque cliente à l'aide d'un script Python. L'exemple suivant montre un extrait de code d'un script Python qui importe la bibliothèque cliente Vertex AI Translation pour illustrer l'importation de bibliothèques :

   from google.cloud import translate
   from google.api_core.client_options import ClientOptions
   import google.auth
   from google.auth.transport import requests
   
   creds, _ = google.auth.default()
   creds = creds.with_gdch_audience("https://ENDPOINT:443")
   creds.refresh(requests.Request())
   client = translate.TranslationServiceClient(
       credentials=creds, client_options=ClientOptions(api_endpoint="ENDPOINT:443"))
   response = client.translate_text(request={
       "parent": "projects/PROJECT_ID", "target_language_code": "ru",
       "mime_type": "text/plain", "contents": ["Hello"]})
   print(response.translations[0].translated_text)
   

   Remplacez les éléments suivants :

   • ENDPOINT : point de terminaison Vertex AI Translation que vous utilisez pour votre organisation, sans le préfixe https:// ni le port :443. Pour en savoir plus, consultez l'état et les points de terminaison du service.
   • PROJECT_ID : ID de votre projet.

   Pour en savoir plus sur l'envoi de requêtes Vertex AI Translation, découvrez les fonctionnalités de traduction ou traduisez du texte.

   Remarque : La bibliothèque cliente google-cloud-translate 3.8.0 n'expose pas le champ s3_source. Elle ne peut donc pas créer de glossaires ni traduire des documents à partir de buckets de stockage. Utilisez plutôt l'API REST pour créer un glossaire ou traduire des documents à partir d'un bucket.

6. Enregistrez le script Python sous un nom, par exemple translation-service.py.

7. Exécutez le script Python :

   python SCRIPT_NAME
   

   Remplacez SCRIPT_NAME par le nom que vous avez donné à votre script Python, par exemple translation-service.py.