ExecutionTemplate

Die Beschreibung einer Arbeitslast für die Notebook-Ausführung.

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,

  // Union field job_parameters can be only one of the following:
  "dataprocParameters": {
    object (DataprocParameters)
  },
  "vertexAiParameters": {
    object (VertexAIParameters)
  }
  // End of list of possible types for union field job_parameters.
}
Felder
scaleTier
(deprecated)

enum (ScaleTier)

Erforderlich. Skalierungsstufe der Hardware, die für die Notebook-Ausführung verwendet wird. 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 TPU
acceleratorConfig

object (SchedulerAcceleratorConfig)

Konfiguration (Anzahl und Beschleunigertyp) für die Hardware, auf der die Notebookausführung erfolgt.
labels

map (key: string, value: string)

Labels für die Ausführung. Wenn die Ausführung geplant ist, wird das Feld „nbs-scheduled“ eingefügt. Andernfalls erfolgt die Ausführung sofort und das Feld „nbs-immediate“ ist enthalten. 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. Die 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

URI des Container-Images für eine DLVM, z. B. „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 beim Ausführen der Ausführung verwendet werden soll. Sie benötigen die Berechtigung iam.serviceAccounts.actAs für das angegebene Dienstkonto.
jobType

enum (JobType)

Der Jobtyp, der für diese Ausführung verwendet werden soll.
kernelSpec

string

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

string

Der Name einer [Tensorboard]-Ressource der Agent Platform, in die bei dieser Ausführung TensorBoard-Logs hochgeladen werden. Format: projects/{project}/locations/{location}/tensorboards/{tensorboard}
Union-Feld job_parameters. Parameter für einen Ausführungstyp. HINWEIS: Derzeit gibt es keine zusätzlichen Parameter für Vertex AI-Jobs. Für job_parameters ist nur einer der folgenden Werte zulässig:
dataprocParameters

object (DataprocParameters)

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

object (VertexAIParameters)

Parameter, die in Agent Platform JobType-Ausführungen verwendet werden.

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. 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 auf 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 Agent Platform JobType-Ausführungen verwendet werden.

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

string

Der vollständige Name des Compute Engine-Netzwerks, mit dem der Job per Peering verbunden werden soll. Beispiel: projects/12345/global/networks/myVPC. Format hat das Format 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" }.