ExecutionTemplate

Die Beschreibung einer Arbeitslast für die Notebookausführung.

JSON-Darstellung 
{
  "scaleTier": enum (ScaleTier),
  "masterType": string,
  "acceleratorConfig": {
    object (SchedulerAcceleratorConfig)
  },
  "labels": {
    string: string,
    ...
  },
  "inputNotebookFile": string,
  "containerImageUri": string,
  "outputNotebookFolder": string,
  "paramsYamlFile": string,
  "parameters": string,
  "serviceAccount": string,
  "jobType": enum (JobType),
  "kernelSpec": string,
  "tensorboard": string,

  // The following is a list of mutually exclusive fields. At most one of the
  // fields will be set in a response:
  "dataprocParameters": {
    object (DataprocParameters)
  },
  "vertexAiParameters": {
    object (VertexAIParameters)
  }
  // End of mutually exclusive fields.
}
Felder
scaleTier
(deprecated)

enum (ScaleTier)

Erforderlich. Skalierungsstufe der für die Notebook-Ausführung verwendeten Hardware. VERALTET Wird eingestellt. Derzeit wird nur CUSTOM unterstützt.
masterType

string

Gibt den Typ der virtuellen Maschine an, die für den Master-Worker Ihres Trainingsjobs verwendet werden soll. Dieses Feld müssen Sie angeben, wenn scaleTier auf CUSTOM gesetzt ist.

Bestimmte Compute Engine-Maschinentypen können Sie direkt in diesem Feld verwenden. Die folgenden Typen werden unterstützt:

  • n1-standard-4
  • n1-standard-8
  • n1-standard-16
  • n1-standard-32
  • n1-standard-64
  • n1-standard-96
  • n1-highmem-2
  • n1-highmem-4
  • n1-highmem-8
  • n1-highmem-16
  • n1-highmem-32
  • n1-highmem-64
  • n1-highmem-96
  • n1-highcpu-16
  • n1-highcpu-32
  • n1-highcpu-64
  • n1-highcpu-96

Alternativ können Sie die folgenden Legacy-Maschinentypen verwenden:

  • standard
  • large_model
  • complex_model_s
  • complex_model_m
  • complex_model_l
  • standard_gpu
  • complex_model_m_gpu
  • complex_model_l_gpu
  • standard_p100
  • complex_model_m_p100
  • standard_v100
  • large_model_v100
  • complex_model_m_v100
  • complex_model_l_v100

Wenn Sie eine TPU für das Training verwenden möchten, geben Sie in diesem Feld cloud_tpu an. Weitere Informationen zu den speziellen Konfigurationsoptionen für das Training mit TPUs
acceleratorConfig

object (SchedulerAcceleratorConfig)

Konfiguration (Anzahl und Beschleunigertyp) für die Hardware, auf der das Notebook ausgeführt wird.
labels

map (key: string, value: string)

Labels für die Ausführung. Wenn die Ausführung geplant ist, wird das Feld „nbs-scheduled“ angezeigt. Andernfalls erfolgt die Ausführung sofort und ein enthaltenes Feld ist „nbs-immediate“. Mit Feldern können Sie verschiedene Arten von Ausführungen effizient indexieren.

Ein Objekt, das eine Liste von "key": value-Paaren enthält. Beispiel: { "name": "wrench", "mass": "1.3kg", "count": "3" }.
inputNotebookFile

string

Pfad zur auszuführenden Notebook-Datei. Muss in einem Google Cloud Storage-Bucket gespeichert sein. Format: gs://{bucket_name}/{folder}/{notebook_file_name} Beispiel: gs://notebook_user/scheduled_notebooks/sentiment_notebook.ipynb
containerImageUri

string

Container-Image-URI für ein DLVM-Beispiel: „gcr.io/deeplearning-platform-release/base-cu100“. Weitere Beispiele finden Sie unter https://cloud.google.com/ai-platform/deep-learning-containers/docs/choosing-container.
outputNotebookFolder

string

Pfad zum Notebook-Ordner, in den geschrieben werden soll. Muss sich in einem Google Cloud Storage-Bucket-Pfad befinden. Format: gs://{bucket_name}/{folder} Beispiel: gs://notebook_user/scheduled_notebooks
paramsYamlFile

string

Parameter, die während der Ausführung im Notebook überschrieben werden sollen. Unter https://papermill.readthedocs.io/en/latest/usage-parameterize.html finden Sie Informationen dazu, wie Sie Parameter im Eingabe-Notebook angeben und hier in einer YAML-Datei übergeben. Beispiel: gs://notebook_user/scheduled_notebooks/sentiment_notebook_params.yaml
parameters

string

Parameter, die im Notebook „inputNotebookFile“ verwendet werden.
serviceAccount

string

Die E-Mail-Adresse eines Dienstkontos, das bei der Ausführung verwendet werden soll. Sie benötigen die Berechtigung iam.serviceAccounts.actAs für das angegebene Dienstkonto.
jobType

enum (JobType)

Der Typ des Jobs, der für diese Ausführung verwendet werden soll.
kernelSpec

string

Name der zu verwendenden Kernelspezifikation. Dies muss angegeben werden, wenn der Name der Kernel-Spezifikation auf dem Ausführungsziel nicht mit dem Namen in der Eingabe-Notebook-Datei übereinstimmt.
tensorboard

string

Der Name einer Vertex AI-[Tensorboard]-Ressource, in die bei dieser Ausführung Tensorboard-Logs hochgeladen werden. Format: projects/{project}/locations/{location}/tensorboards/{tensorboard}
Parameter für einen Ausführungstyp. HINWEIS: Derzeit gibt es keine zusätzlichen Parameter für Vertex AI-Jobs. Im Folgenden finden Sie eine Liste von sich gegenseitig ausschließenden Feldern. In einer Antwort wird höchstens eines der Felder festgelegt:
dataprocParameters

object (DataprocParameters)

Parameter, die in Dataproc JobType-Ausführungen verwendet werden.
vertexAiParameters

object (VertexAIParameters)

Parameter, die in Vertex AI JobType-Ausführungen verwendet werden.
Ende der sich gegenseitig ausschließenden Felder.

ScaleTier

Erforderlich. Gibt die Maschinentypen, die Anzahl der Replikate für Worker und Parameterserver an.

Enums
SCALE_TIER_UNSPECIFIED Nicht angegebene Skalierungsstufe.
BASIC Eine einzelne Worker-Instanz. Diese Stufe eignet sich zum Kennenlernen der Funktionsweise von Cloud ML und zum Experimentieren mit neuen Modellen unter Verwendung kleiner Datasets.
STANDARD_1 Viele Worker und einige Parameterserver
PREMIUM_1 Eine große Anzahl von Workern mit vielen Parameterservern
BASIC_GPU Eine einzelne Worker-Instanz mit einer K80-GPU.
BASIC_TPU Eine einzelne Worker-Instanz mit einer Cloud TPU.
CUSTOM

Die Skalierungsstufe CUSTOM ist keine vordefinierte Stufe, sondern ermöglicht Ihnen vielmehr, Ihre eigene Clusterspezifikation zu verwenden. Orientieren Sie sich bei Verwendung dieser Stufe an den folgenden Richtlinien, um Werte zur Konfiguration des Verarbeitungsclusters festzulegen:

  • Sie müssen ExecutionTemplate.masterType festlegen, um den Maschinentyp anzugeben, der für den Masterknoten verwendet werden soll. Dies ist die einzige erforderliche Einstellung.

SchedulerAcceleratorConfig

Definition eines Hardwarebeschleunigers. Hinweis: Nicht alle Kombinationen von type und coreCount sind gültig. Eine gültige Kombination finden Sie unter GPUs in Compute Engine. TPUs werden nicht unterstützt.

JSON-Darstellung 
{
  "type": enum (SchedulerAcceleratorType),
  "coreCount": string
}
Felder
type

enum (SchedulerAcceleratorType)

Typ dieses Beschleunigers.
coreCount

string (int64 format)

Anzahl der Kerne dieses Beschleunigers.

SchedulerAcceleratorType

Hardwarebeschleunigertypen für AI Platform Training-Jobs.

Enums
SCHEDULER_ACCELERATOR_TYPE_UNSPECIFIED Nicht angegebener Beschleunigertyp. Standardeinstellung ist "GPU".
NVIDIA_TESLA_K80 Nvidia Tesla K80 GPU
NVIDIA_TESLA_P100 Nvidia Tesla P100 GPU
NVIDIA_TESLA_V100 Nvidia Tesla V100 GPU
NVIDIA_TESLA_P4 Nvidia Tesla P4 GPU
NVIDIA_TESLA_T4 Nvidia Tesla T4 GPU
NVIDIA_TESLA_A100 Nvidia Tesla A100-GPU.
TPU_V2 TPU v2
TPU_V3 TPU v3.

JobType

Das für diese Ausführung verwendete Backend.

Enums
JOB_TYPE_UNSPECIFIED Kein Typ angegeben.
VERTEX_AI Benutzerdefinierter Job in aiplatform.googleapis.com. Standardwert für eine Ausführung.
DATAPROC Ausführung in einem Cluster mit Dataproc als Job ausführen. https://cloud.google.com/dataproc/docs/reference/rest/v1/projects.regions.jobs

DataprocParameters

Parameter, die in Dataproc JobType-Ausführungen verwendet werden.

JSON-Darstellung 
{
  "cluster": string
}
Felder
cluster

string

URI für den Cluster, der zum Ausführen der Dataproc-Ausführung verwendet wird. Format: projects/{PROJECT_ID}/regions/{REGION}/clusters/{CLUSTER_NAME}

VertexAIParameters

Parameter, die in Vertex AI JobType-Ausführungen verwendet werden.

JSON-Darstellung 
{
  "network": string,
  "env": {
    string: string,
    ...
  }
}
Felder
network

string

Der vollständige Name des Compute Engine-Netzwerks, mit dem ein Job-Peering ausgeführt werden soll. Beispiel: projects/12345/global/networks/myVPC. Format hat die Form projects/{project}/global/networks/{network}. Dabei ist {project} eine Projektnummer wie in 12345 und {network} ein Netzwerkname.

Der Zugriff auf private Dienste muss bereits für das Netzwerk konfiguriert sein. Wenn nicht angegeben, wird der Job nicht über Peering mit einem Netzwerk verbunden.
env

map (key: string, value: string)

Umgebungsvariablen Es können maximal 100 Umgebungsvariablen angegeben werden, die eindeutig sein müssen. Beispiel: GCP_BUCKET=gs://my-bucket/samples/

Ein Objekt, das eine Liste von "key": value-Paaren enthält. Beispiel: { "name": "wrench", "mass": "1.3kg", "count": "3" }.