הגדרה של Vertex AI TensorBoard

כדי להגדיר את Vertex AI TensorBoard, צריך:

  1. יצירה של חשבון שירות עם ההרשאות הנדרשות.
  2. יצירת קטגוריה של Cloud Storage לאחסון יומני Vertex AI TensorBoard
  3. יוצרים מופע של Vertex AI TensorBoard.

יצירת חשבון שירות עם ההרשאות הנדרשות

השילוב של Vertex AI TensorBoard עם אימון בהתאמה אישית דורש צירוף חשבון שירות.

  1. יוצרים חשבון שירות:

    gcloud --project=PROJECT_ID iam service-accounts create USER_SA_NAME

    מחליפים את מה שכתוב בשדות הבאים:

    • ‫PROJECT_ID: מזהה הפרויקט שבו אתם יוצרים חשבון שירות.

    • ‫USER_SA_NAME: שם ייחודי לחשבון השירות שאתם יוצרים.

  2. חשבון השירות החדש משמש את שירות ההדרכה של Gemini Enterprise Agent Platform כדי לגשת לשירותים ולמשאבים. אם צריך, אפשר להשתמש בפקודות הבאות כדי להעניק את התפקידים האלה: Google Cloud 

    SA_EMAIL="USER_SA_NAME@PROJECT_ID.iam.gserviceaccount.com"

gcloud projects add-iam-policy-binding PROJECT_ID \
   --member="serviceAccount:${SA_EMAIL}" \
   --role="roles/storage.admin"

gcloud projects add-iam-policy-binding PROJECT_ID \
   --member="serviceAccount:${SA_EMAIL}" \
   --role="roles/aiplatform.user"

יצירת קטגוריה של Cloud Storage לאחסון יומני TensorBoard של Vertex AI

נדרשת קטגוריה של Cloud Storage כדי לאחסן את היומנים של Vertex AI TensorBoard שנוצרים על ידי סקריפט ההדרכה. הקטגוריה צריכה להיות אזורית, כלומר לא במספר אזורים או בשני אזורים, ומשאבים הבאים צריכים להיות באותו אזור:

  • קטגוריה של Cloud Storage
  • משימת אימון של Gemini Enterprise Agent Platform
  • מכונה של Vertex AI TensorBoard

אפשר להשתמש בקטגוריה קיימת במקום לבצע את שלב יצירת הקטגוריה שמתואר כאן. כשמשתמשים בקטגוריה קיימת, המיקום של הקטגוריה צריך להיות זהה למיקום שבו נוצר מופע Vertex AI TensorBoard.

UNIQUE_SUFFIX=$(python3 -c "import uuid; print(uuid.uuid4().hex[:8])")
GCS_BUCKET_NAME="PROJECT_ID-tb-logs-LOCATION_ID-${UNIQUE_SUFFIX}"
gcloud storage buckets create "gs://${GCS_BUCKET_NAME}" --location=LOCATION_ID

מחליפים את מה שכתוב בשדות הבאים:

  • ‫LOCATION_ID: המיקום שבו נוצר מופע Vertex AI TensorBoard, לדוגמה us-central1.

‫GCS_BUCKET_NAME משמש ליצירת משימת אימון בהתאמה אישית באמצעות REST.

יצירת מופע של Vertex AI TensorBoard

צריך שיהיה מופע של Vertex AI TensorBoard, שהוא משאב אזורי שבו מאוחסנים הניסויים שלכם ב-Vertex AI TensorBoard, כדי שתוכלו לראות את הניסויים. יש שתי אפשרויות. אפשר להשתמש במופע ברירת מחדל או ליצור מופע באופן ידני. אפשר ליצור כמה מופעים בפרויקט ובאזור, אבל רוב המשתמשים צריכים רק מופע אחד.

שימוש במכונת ברירת המחדל של Vertex AI TensorBoard

כשמפעילים ניסוי ב-Gemini Enterprise Agent Platform, נוצר באופן אוטומטי מופע TensorBoard שמוגדר כברירת מחדל. ה-TensorBoard הזה משויך לניסוי Gemini Enterprise Agent Platform ומשמש את כל ההרצות הבאות של ניסויים ב-Gemini Enterprise Agent Platform. אפשר לאחזר את tensorboard_resource_name ישירות מהניסוי. זו הדרך הכי קלה להתחיל להשתמש ב-Vertex AI TensorBoard, והיא אמורה להתאים לרוב המשתמשים.

Agent Platform SDK ל-Python

יצירת ניסוי TensorBoard ב-Vertex AI עם מופע ברירת מחדל באמצעות Agent Platform SDK ל-Python. מאחזרים את tensorboard_resource_name מהניסוי. מידע נוסף על init ועל Experiment זמין במסמכי העזר של Agent Platform SDK.

Python

from google.cloud import aiplatform


def create_experiment_default_tensorboard_sample(
    experiment_name: str,
    experiment_description: str,
    project: str,
    location: str,
):
    aiplatform.init(
        experiment=experiment_name,
        experiment_description=experiment_description,
        project=project,
        location=location,
    )

    tensorboard = aiplatform.Experiment(experiment_name).get_backing_tensorboard_resource()
    print(f"Tensorboard resource name: {tensorboard.name}")
experiment_name: str, experiment_description: str, project: str, location: str,
  • ‫experiment_name: השם של הניסוי.
  • ‫experiment_description: תיאור של הניסוי.
  • ‫ project: PROJECT_ID הפרויקט שבו רוצים ליצור את מופע TensorBoard.
  • ‫location: המיקום שבו רוצים ליצור את מופע TensorBoard. המיקום של Vertex AI TensorBoard הוא אזורי. חשוב לבחור אזור שנתמך על ידי TensorBoard של Vertex AI.

יצירה ידנית של מופע Vertex AI TensorBoard

אתם יכולים ליצור באופן ידני את Vertex AI TensorBoard. האפשרות הזו שימושית למשתמשים שנוח להם יותר עם המסוף, למשתמשים שצריכים להפעיל CMEK ב-TensorBoard (ראו CMEK) או למשתמשים שרוצים להשתמש בכמה TensorBoard. Google Cloud אחר כך אפשר לציין את המופע הזה ישירות כשמפעילים ניסוי ב-Gemini Enterprise Agent Platform, כשמתחילים הרצת ניסוי או כשמגדירים את קוד האימון.

Agent Platform SDK ל-Python

יוצרים מופע של Vertex AI TensorBoard באמצעות Agent Platform SDK ל-Python.

Python

def create_tensorboard_sample(
    project: str,
    location: str,
    display_name: Optional[str] = None,
):
    aiplatform.init(project=project, location=location)

    tensorboard = aiplatform.Tensorboard.create(
        display_name=display_name,
        project=project,
        location=location,
    )

    aiplatform.init(
        project=project,
        location=location,
        experiment_tensorboard=tensorboard
    )

    return tensorboard
  • ‫project: PROJECT_ID הפרויקט שבו רוצים ליצור את מופע TensorBoard.
  • ‫display_name: שם תיאורי למופע של Vertex AI TensorBoard.
  • ‫location: המיקום שבו רוצים ליצור את מופע TensorBoard. המיקום של Vertex AI TensorBoard הוא אזורי. חשוב לבחור אזור שנתמך על ידי Vertex AI TensorBoard

Google Cloud CLI

משתמשים ב-Google Cloud CLI כדי ליצור מכונה של Vertex AI TensorBoard.

  1. התקנת ה-CLI של gcloud
  2. מאתחלים את Google Cloud CLI באמצעות הפקודה gcloud init.
  3. כדי לוודא שההתקנה בוצעה, אפשר לעיין בפקודות.
    ‫
     gcloud ai tensorboards --help

    הפקודות כוללות את create,‏ describe,‏ list,‏ update ו-delete. אם צריך, אפשר לפעול לפי השלבים האלה כדי להגדיר ערכי ברירת מחדל לפרויקט ולמיקום לפני שממשיכים.
  4. מבצעים אימות ל-CLI של gcloud.
    gcloud auth application-default login
  5. יוצרים מכונה של Vertex AI TensorBoard על ידי הזנת שם פרויקט ושם לתצוגה. בפעם הראשונה שיוצרים מכונה בפרויקט, השלב הזה עשוי להימשך כמה דקות. כדאי לשים לב לשם המכונה של Vertex AI TensorBoard (לדוגמה: projects/123/locations/us-central1/tensorboards/456) שמופיע בסוף הפקודה הבאה. תצטרכו אותו בשלבים הבאים. 
    gcloud ai tensorboards create --display-name DISPLAY_NAME \
       --project PROJECT_NAME

    מחליפים את מה שכתוב בשדות הבאים:
    • ‫PROJECT_NAME: הפרויקט שבו רוצים ליצור את מופע TensorBoard.
    • ‫DISPLAY_NAME: שם תיאורי של מופע TensorBoard.

מסוףGoogle Cloud

אם אתם רוצים שהנתונים שלכם ב-Vertex AI TensorBoard יהיו מוצפנים, אתם צריכים להפעיל את מפתח ה-CMEK כשאתם יוצרים את המופע.

כדי ליצור מופע של Vertex AI TensorBoard עם הפעלת CMEK באמצעות מסוף Google Cloud :

  1. אם אתם חדשים ב-Gemini Enterprise Agent Platform או מתחילים פרויקט חדש, כדאי להגדיר את הפרויקט ואת סביבת הפיתוח.
  2. בקטע Gemini Enterprise Agent Platform במסוף Google Cloud , עוברים לדף Experiments.

    מעבר לדף Experiments
  3. עוברים לכרטיסייה TensorBoard Instances (מופעי TensorBoard).
  4. לוחצים על יצירה בראש הדף.
  5. בוחרים מיקום מהרשימה הנפתחת אזור.
  6. (אופציונלי) מוסיפים תיאור.
  7. (אופציונלי) בקטע Encryption, בוחרים באפשרות Customer-managed encryption key (CMEK) ובוחרים מפתח בניהול הלקוח.
  8. לוחצים על Create כדי ליצור את מופע TensorBoard.

יצירת מופע TensorBoard

Terraform

בדוגמה הבאה נעשה שימוש במשאב google_vertex_ai_tensorboard Terraform כדי ליצור מופע לא מוצפן של Vertex AI TensorBoard.

כדי ללמוד איך להחיל הגדרות ב-Terraform או להסיר אותן, ראו פקודות בסיסיות ב-Terraform.

Terraform

resource "google_vertex_ai_tensorboard" "default" {
  display_name = "vertex-ai-tensorboard-sample-name"
  region       = "us-central1"
}

מחיקת מכונה של TensorBoard

כשמוחקים מופע של TensorBoard, המערכת מוחקת את TensorBoard ואת כל הניסויים וההרצות שמשויכים אליו. לא נמחקות המכונות שמשויכות ל-Vertex AI Experiments.

כדי למחוק ניסוי ב-Vertex AI Experiments וניסויים משויכים ב-Vertex AI TensorBoard, אפשר לעיין במאמר בנושא מחיקת ניסוי.

Agent Platform SDK ל-Python

מחיקת מופע של Vertex AI TensorBoard באמצעות Agent Platform SDK ל-Python.

Python

def delete_tensorboard_instance_sample(
    tensorboard_resource_name: str,
    project: str,
    location: str,
):
    aiplatform.init(project=project, location=location)

    tensorboard = aiplatform.Tensorboard(
        tensorboard_name=tensorboard_resource_name
    )

    tensorboard.delete()
  • ‫tensorboard_resource_name: מציינים את שם המשאב של TensorBoard.
  • ‫project: PROJECT_ID שבו נמצא מופע TensorBoard.
  • ‫location: המיקום של מופע TensorBoard.

מסוףGoogle Cloud

כדי למחוק מופע של Vertex AI TensorBoard באמצעות מסוף Google Cloud :

  1. בקטע Gemini Enterprise Agent Platform במסוף Google Cloud , עוברים לדף Experiments.

    מעבר לדף Experiments
  2. לוחצים על הכרטיסייה TensorBoard Instances (מופעי TensorBoard). מופיעה רשימה של מופעי TensorBoard.
  3. בוחרים באפשרות ולוחצים על מחיקה.

מחיקת מכונת TensorBoard

מונחים רלוונטיים

המונחים האלה, 'שם משאב TensorBoard' ו'מזהה מופע TensorBoard', מוזכרים בדוגמאות רבות.

שם המשאב של TensorBoard

שם המשאב של TensorBoard משמש לזיהוי מלא של מופע Vertex AI TensorBoard. הפורמט הוא:

projects/PROJECT_ID_OR_NUMBER/locations/REGION/tensorboards/TENSORBOARD_INSTANCE_ID

שם המשאב של TensorBoard מודפס בהודעות היומן כשהוא נוצר באמצעות ה-CLI של gcloud או Vertex AI SDK, או שאפשר ליצור אותו על ידי הזנת הערכים המתאימים לפלייסהולדרים.

Agent Platform SDK ל-Python

אפשר לאחזר את שם המשאב של TensorBoard מ-Vertex AI Experiments באמצעות Vertex AI SDK.

Python

from google.cloud import aiplatform


def get_experiment_backing_tensorboard_sample(
    experiment_name: str,
    project: str,
    location: str,
):
    backing_tensorboard = aiplatform.Experiment(
        project=project,
        location=location,
        experiment_name=experiment_name
    ).get_backing_tensorboard_resource()

    return backing_tensorboard.name
  • ‫experiment_name: השם של הניסוי.
  • ‫project: PROJECT_ID הניסוי.
  • ‫location: המיקום שבו נמצא הניסוי.

מזהה מופע של TensorBoard

מזהה מופע TensorBoard הוא ערך מזהה שנוצר ומשויך למופע TensorBoard. כדי למצוא את TENSORBOARD_INSTANCE_ID, עוברים לקטע Gemini Enterprise Agent Platform בדף Experiments (ניסויים) במסוף Google Cloud ובוחרים בכרטיסייה TensorBoard Instances (מופעי TensorBoard).

אפשר גם לאחזר את מזהה המופע משם המשאב של TensorBoard. מזהה TensorBoard