מכונות Workbench ב-Gemini Enterprise Agent Platform הן סביבות פיתוח שמבוססות על Jupyter Notebook, ומיועדות לכל תהליך העבודה של מדעי הנתונים. אתם יכולים להשתמש ב-Gemini Enterprise Agent Platform ובשירותי Google Cloud אחרים מתוך ה-notebook של Jupyter במכונה של Agent Platform Workbench.
התכונות והשילובים של Agent Platform Workbench יכולים לעזור לכם לגשת לנתונים, לעבד אותם מהר יותר, לתזמן הרצות של Notebooks ועוד.
מכונות Agent Platform Workbench כוללות חבילה של JupyterLab וחבילה מותקנת מראש של למידה עמוקה, כולל תמיכה ב-frameworks של TensorFlow ו-PyTorch. אפשר להגדיר מכונות עם מעבד (CPU) בלבד או מכונות עם GPU.
במכונות של Agent Platform Workbench אפשר לסנכרן עם מאגר GitHub.
מכונות של Agent Platform Workbench מוגנות באמצעות אימות והרשאה של Google Cloud .
גישה לנתונים
אתם יכולים לגשת לנתונים בלי לצאת מממשק המשתמש של JupyterLab.
בתפריט הניווט של JupyterLab במכונה של Agent Platform Workbench, אתם יכולים להשתמש בשילוב של Cloud Storage כדי לעיין בנתונים ובקבצים אחרים שיש לכם גישה אליהם. גישה לקטגוריות ולקבצים של Cloud Storage מתוך JupyterLab
אתם יכולים גם להשתמש בשילוב עם BigQuery כדי לעיין בטבלאות שיש לכם גישה אליהן, לכתוב שאילתות, לראות תצוגה מקדימה של התוצאות ולטעון נתונים ל-notebook. שליחת שאילתות לנתונים בטבלאות ב-BigQuery מתוך JupyterLab
הפעלת הרצות של Notebook
אתם יכולים להשתמש בכלי להרצת קובצי notebook באופן חד-פעמי או לפי לוח זמנים. בוחרים את הסביבה והחומרה הספציפיות שבהן רוצים להריץ את ההפעלה. הקוד של ה-notebook יפעל באימון בהתאמה אישית של Agent Platform, וכך יהיה קל יותר לבצע אימון מבוזר, לבצע אופטימיזציה של היפר-פרמטרים או לתזמן משימות אימון רציפות.
אתם יכולים להשתמש בפרמטרים בהפעלה כדי לבצע שינויים ספציפיים בכל הרצה. לדוגמה, אפשר לציין קבוצת נתונים אחרת, לשנות את קצב הלמידה של המודל או לשנות את גרסת המודל.
אפשר גם להגדיר Notebook כך שיפעל לפי לוח זמנים קבוע. גם כשהמכונה מושבתת, Gemini Enterprise Agent Platform Workbench יריץ את קובץ ה-Notebook וישמור את התוצאות כדי שתוכלו לעיין בהן ולשתף אותן עם אחרים. תזמון הרצה של Notebook
שיתוף תובנות
הפעלות של Notebook שבוצעו מאוחסנות בקטגוריה של Cloud Storage, כך שאתם יכולים לשתף את התובנות שלכם עם אחרים על ידי מתן גישה לתוצאות. בקטע הקודם מוסבר איך מריצים Notebook.
אבטחת המכונה
בקטעים הבאים מתוארות היכולות הנתמכות שיכולות לעזור לכם לאבטח את המכונה של Agent Platform Workbench.
VPC
אתם יכולים לפרוס את המכונה של Agent Platform Workbench ברשת שמוגדרת כברירת מחדל ומנוהלת על ידי Google, שמשתמשת ברשת VPC ובתת-רשת שמוגדרות כברירת מחדל. במקום רשת ברירת המחדל, אתם יכולים לציין רשת VPC לשימוש עם המכונה.
כדי להשתמש ב-Agent Platform Workbench בתוך גבולות גזרה לשירות, קראו את המאמר שימוש במכונה של Agent Platform Workbench בתוך גבולות גזרה לשירות.
מפתחות הצפנה בניהול הלקוח (CMEK)
כברירת מחדל, Google Cloud מצפין באופן אוטומטי נתונים במצב מנוחה באמצעות מפתחות הצפנה שמנוהלים על ידי Google. אם יש לכם דרישות תאימות או דרישות רגולטוריות ספציפיות שקשורות למפתחות שמגינים על הנתונים שלכם, אתם יכולים להשתמש במפתחות הצפנה בניהול הלקוח (CMEK) במכונות של Gemini Enterprise Agent Platform Workbench. מידע נוסף מופיע במאמר בנושא מפתחות הצפנה בניהול הלקוח.
Confidential Computing
אתם יכולים להצפין את הנתונים בשימוש באמצעות Confidential Computing. כדי להשתמש ב-Confidential Computing, צריך להפעיל את שירות Confidential VM כשיוצרים מכונה של Agent Platform Workbench. כדי להתחיל, קראו את המאמר יצירת מכונה באמצעות Confidential Computing.
כיבוי אוטומטי של מכונות וירטואליות לא פעילות
כדי לעזור לכם לנהל את העלויות, כברירת מחדל, המכונות של Agent Platform Workbench נכבות אחרי שהן לא פעילות במשך תקופה מסוימת. אפשר לשנות את משך הזמן או להשבית את התכונה הזו. מידע נוסף זמין במאמר כיבוי במצב חוסר פעילות.
הוספת סביבות conda
במכונות של Agent Platform Workbench משתמשים בקרנלים שמבוססים על סביבות conda. אתם יכולים להוסיף סביבת conda למכונה של Agent Platform Workbench, והסביבה תופיע כקרנל בממשק JupyterLab של המכונה.
הוספת סביבות conda מאפשרת לכם להשתמש בקרנלים שלא זמינים במכונה שמוגדרת כברירת מחדל ב-Agent Platform Workbench. לדוגמה, אפשר להוסיף סביבות conda ל-R ול-Apache Beam. אפשר גם להוסיף סביבות conda לגרסאות קודמות ספציפיות של מסגרות זמינות, כמו TensorFlow, PyTorch או Python.
מידע נוסף זמין במאמר הוספת סביבת conda.
מאגרים בהתאמה אישית
אתם יכולים ליצור מכונה של Agent Platform Workbench על סמך קונטיינר בהתאמה אישית. מתחילים עם קובץ אימג' בסיסי של קונטיינר ש-Google מספקת, ומשנים אותו לפי הצורך. אחר כך יוצרים מכונה על סמך הקונטיינר בהתאמה אישית.
מידע נוסף זמין במאמר יצירת מכונה באמצעות קונטיינר בהתאמה אישית.
שילוב של Managed Service for Apache Spark
כדי לעבד נתונים במהירות, אתם יכולים להריץ notebook באשכול של Managed Service for Apache Spark. אחרי שמגדירים את האשכול, אפשר להריץ בו קובץ notebook בלי לצאת מממשק המשתמש של JupyterLab. מידע נוסף זמין במאמר יצירת מכונה שמופעל בה Managed Service for Apache Spark.
הזמנת משאבים של מכונות וירטואליות
כדי לוודא שלמכונות של Agent Platform Workbench יש מספיק משאבים של מכונות וירטואליות (VM) להרצה, אתם יכולים להשתמש בהזמנות של Compute Engine.
הזמנות הן תכונה של Compute Engine. אתם יכולים לשמור מקום כדי לוודא שמתי שתצטרכו יהיו לכם משאבים בשביל ליצור מכונות וירטואליות עם אותה חומרה (זיכרון ו-vCPU) ומשאבים אופציונליים (יחידות GPU ודיסקים מקומיים של SSD).
מידע נוסף מופיע במאמר שימוש בהזמנות.
יצירת מכונות עם פרטי כניסה של צד שלישי
אתם יכולים ליצור ולנהל מכונות של Gemini Enterprise Agent Platform Workbench באמצעות פרטי כניסה של צד שלישי שסופקו על ידי איחוד שירותי אימות הזהות של כוח עבודה. איחוד שירותי אימות הזהות של כוח עבודה משתמש בספק הזהויות (IdP) החיצוני שלכם כדי לתת לקבוצת משתמשים גישה למכונות של Agent Platform Workbench דרך שרת proxy.
כדי לתת גישה למכונה של Agent Platform Workbench, צריך להקצות חשבון משתמש במאגר של כוח העבודה לחשבון השירות של המכונה של Agent Platform Workbench.
מידע נוסף זמין במאמר יצירת מכונה עם פרטי כניסה של צד שלישי.
תגים למכונות של Agent Platform Workbench
המכונה הווירטואלית הבסיסית של מכונת Agent Platform Workbench היא מכונה וירטואלית של Compute Engine. אתם יכולים להוסיף ולנהל תגי משאבים למכונה של Agent Platform Workbench דרך ה-VM שלה ב-Compute Engine.
כשיוצרים מכונה של Agent Platform Workbench, המערכת מצרפת את תג המשאב vertex-workbench-instances:prod=READ_ONLY של Compute Engine. תג המשאב הזה משמש רק למטרות פנימיות.
למידע נוסף על ניהול תגים של מכונות Compute Engine, קראו את המאמר ניהול תגים של משאבים.
מגבלות
כשמתכננים פרויקט, חשוב להביא בחשבון את המגבלות הבאות של מכונות Agent Platform Workbench:
אין תמיכה בתוספים של צד שלישי ל-JupyterLab.
כשמשתמשים ב-Access Context Manager וב-Chrome Enterprise Premium כדי להגן על מכונות של Agent Platform Workbench באמצעות בקרות גישה מבוססות-הקשר, הגישה נבדקת בכל פעם שהמשתמש מאמת את המכונה. לדוגמה, הגישה נבדקת בפעם הראשונה שהמשתמש נכנס ל-JupyterLab, ובכל פעם שהוא נכנס אליו לאחר מכן אם פג התוקף של קובץ ה-Cookie בדפדפן האינטרנט שלו.
שימוש בקונטיינר בהתאמה אישית שלא נגזר מהקונטיינר הבסיסי ש-Google מספקת (
gcr.io/deeplearning-platform-release/workbench-container:latest) מגביר את הסיכון לבעיות תאימות עם השירותים שלנו, ואין לו תמיכה. במקום זאת, צריך לשנות את קונטיינר הבסיס כדי ליצור קונטיינר בהתאמה אישית שמתאים לצרכים שלכם, ואז ליצור מכונה באמצעות הקונטיינר בהתאמה אישית.מכונות Agent Platform Workbench מצפות לתמונות מהפרויקט
cloud-notebooks-managed. רשימת שמות התמונות זמינה בדף היצירה במסוף Google Cloud . אפשר להשתמש בתמונות של מכונות וירטואליות (VM) בהתאמה אישית או בתמונות של Deep Learning VM עם מכונות של Agent Platform Workbench, אבל Agent Platform Workbench לא מספקת תמיכה בהתנהגויות בלתי צפויות או בתקלות שנובעות מהשימוש בתמונות האלה.אי אפשר לערוך את ה-VM הבסיסי של מכונה של Agent Platform Workbench באמצעות מסוף Google Cloud או Compute Engine API. כדי לערוך את המכונה הווירטואלית הבסיסית של מכונת Agent Platform Workbench, משתמשים ב-method
projects.locations.instances.patchב-Notebooks API או בפקודהgcloud workbench instances updateב-Agent Platform SDK.במכונות שמשתמשות ב-VPC Service Controls, אי אפשר להשתמש במבצע.
כדי להשתמש במאיצים במכונות של Agent Platform Workbench, סוג המאיץ הרצוי צריך להיות זמין באזור של המכונה. במאמר זמינות של אזורים ותחומים של GPU מוסבר על הזמינות של מאיצים לפי תחום.