ExecutionTemplate

Deskripsi workload eksekusi notebook.

Representasi JSON 
{
  "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.
}
Kolom
scaleTier
(deprecated)

enum (ScaleTier)

Wajib. Tingkat skala hardware yang digunakan untuk eksekusi notebook. TIDAK DIGUNAKAN LAGI Akan dihentikan. Karena saat ini hanya CUSTOM yang didukung.
masterType

string

Menentukan jenis virtual machine yang akan digunakan untuk pekerja master tugas pelatihan Anda. Anda harus menentukan kolom ini jika scaleTier ditetapkan ke CUSTOM.

Anda dapat menggunakan jenis mesin Compute Engine tertentu secara langsung di kolom ini. Berikut adalah jenis-jenis yang didukung:

  • 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

Atau, Anda dapat menggunakan jenis mesin lama berikut:

  • 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

Terakhir, jika Anda ingin menggunakan TPU untuk pelatihan, tentukan cloud_tpu di kolom ini. Pelajari lebih lanjut opsi konfigurasi khusus untuk pelatihan dengan TPU.
acceleratorConfig

object (SchedulerAcceleratorConfig)

Konfigurasi (jumlah dan jenis akselerator) untuk hardware yang menjalankan eksekusi notebook.
labels

map (key: string, value: string)

Label untuk eksekusi. Jika eksekusi dijadwalkan, kolom yang disertakan adalah 'nbs-scheduled'. Jika tidak, eksekusinya langsung, dan kolom yang disertakan akan menjadi 'nbs-immediate'. Gunakan kolom untuk mengindeks secara efisien di antara berbagai jenis eksekusi.

Objek yang berisi daftar pasangan "key": value. Contoh: { "name": "wrench", "mass": "1.3kg", "count": "3" }.
inputNotebookFile

string

Jalur ke file notebook yang akan dieksekusi. Harus berada di bucket Google Cloud Storage. Format: gs://{bucket_name}/{folder}/{notebook_file_name} Contoh: gs://notebook_user/scheduled_notebooks/sentiment_notebook.ipynb
containerImageUri

string

URI Image Container ke Contoh DLVM: 'gcr.io/deeplearning-platform-release/base-cu100' Contoh lainnya dapat ditemukan di: https://cloud.google.com/ai-platform/deep-learning-containers/docs/choosing-container
outputNotebookFolder

string

Jalur ke folder notebook yang akan ditulis. Harus berada di jalur bucket Google Cloud Storage. Format: gs://{bucket_name}/{folder} Contoh: gs://notebook_user/scheduled_notebooks
paramsYamlFile

string

Parameter yang akan diganti dalam notebook selama eksekusi. Lihat https://papermill.readthedocs.io/en/latest/usage-parameterize.html tentang cara menentukan parameter dalam notebook input dan meneruskannya di sini dalam file YAML. Contoh: gs://notebook_user/scheduled_notebooks/sentiment_notebook_params.yaml
parameters

string

Parameter yang digunakan dalam notebook 'inputNotebookFile'.
serviceAccount

string

Alamat email akun layanan yang akan digunakan saat menjalankan eksekusi. Anda harus memiliki izin iam.serviceAccounts.actAs untuk akun layanan yang ditentukan.
jobType

enum (JobType)

Jenis Tugas yang akan digunakan pada eksekusi ini.
kernelSpec

string

Nama spesifikasi kernel yang akan digunakan. Parameter ini harus ditentukan jika nama spesifikasi kernel pada target eksekusi tidak cocok dengan nama dalam file notebook input.
tensorboard

string

Nama resource Agent Platform [Tensorboard] yang akan diupload log Tensorboard-nya oleh eksekusi ini. Format: projects/{project}/locations/{location}/tensorboards/{tensorboard}
Kolom union job_parameters. Parameter untuk jenis eksekusi. CATATAN: Saat ini tidak ada parameter tambahan untuk tugas VertexAI. job_parameters hanya ada berupa salah satu diantara berikut:
dataprocParameters

object (DataprocParameters)

Parameter yang digunakan dalam eksekusi JobType Dataproc.
vertexAiParameters

object (VertexAIParameters)

Parameter yang digunakan dalam eksekusi JobType Agent Platform.

ScaleTier

Wajib. Menentukan jenis mesin, jumlah replika untuk pekerja dan server parameter.

Enum
SCALE_TIER_UNSPECIFIED Tingkat Skala tidak ditentukan.
BASIC Satu instance pekerja. Tingkatan ini cocok untuk mempelajari cara menggunakan Cloud ML, dan untuk bereksperimen dengan model baru menggunakan set data kecil.
STANDARD_1 Banyak pekerja dan beberapa server parameter.
PREMIUM_1 Sejumlah besar pekerja dengan banyak server parameter.
BASIC_GPU Instance pekerja tunggal dengan GPU K80.
BASIC_TPU Satu instance pekerja dengan Cloud TPU.
CUSTOM

Tingkat KUSTOM bukan tingkat yang ditetapkan, tetapi memungkinkan Anda menggunakan spesifikasi cluster Anda sendiri. Saat menggunakan tingkat ini, tetapkan nilai untuk mengonfigurasi cluster pemrosesan Anda sesuai dengan panduan berikut:

  • Anda harus menyetel ExecutionTemplate.masterType untuk menentukan jenis mesin yang akan digunakan untuk node master. Ini adalah satu-satunya setelan yang diperlukan.

SchedulerAcceleratorConfig

Definisi akselerator hardware. Perhatikan bahwa tidak semua kombinasi type dan coreCount valid. Lihat GPU di Compute Engine untuk menemukan kombinasi yang valid. TPU tidak didukung.

Representasi JSON 
{
  "type": enum (SchedulerAcceleratorType),
  "coreCount": string
}
Kolom
type

enum (SchedulerAcceleratorType)

Jenis akselerator ini.
coreCount

string (int64 format)

Jumlah inti akselerator ini.

SchedulerAcceleratorType

Jenis akselerator hardware untuk tugas AI Platform Training.

Enum
SCHEDULER_ACCELERATOR_TYPE_UNSPECIFIED Jenis akselerator tidak ditentukan. Default ke tanpa GPU.
NVIDIA_TESLA_K80 GPU Nvidia Tesla K80.
NVIDIA_TESLA_P100 GPU Nvidia Tesla P100.
NVIDIA_TESLA_V100 GPU Nvidia Tesla V100.
NVIDIA_TESLA_P4 GPU Nvidia Tesla P4.
NVIDIA_TESLA_T4 GPU Nvidia Tesla T4.
NVIDIA_TESLA_A100 GPU Nvidia Tesla A100.
TPU_V2 TPU v2
TPU_V3 TPU v3

JobType

Backend yang digunakan untuk eksekusi ini.

Enum
JOB_TYPE_UNSPECIFIED Tidak ada jenis yang ditentukan.
VERTEX_AI Tugas Kustom di aiplatform.googleapis.com. Nilai default untuk eksekusi.
DATAPROC Jalankan eksekusi di cluster dengan Dataproc sebagai tugas. https://cloud.google.com/dataproc/docs/reference/rest/v1/projects.regions.jobs

DataprocParameters

Parameter yang digunakan dalam eksekusi JobType Dataproc.

Representasi JSON 
{
  "cluster": string
}
Kolom
cluster

string

URI untuk cluster yang digunakan untuk menjalankan eksekusi Dataproc. Format: projects/{PROJECT_ID}/regions/{REGION}/clusters/{CLUSTER_NAME}

VertexAIParameters

Parameter yang digunakan dalam eksekusi JobType Agent Platform.

Representasi JSON 
{
  "network": string,
  "env": {
    string: string,
    ...
  }
}
Kolom
network

string

Nama lengkap jaringan Compute Engine tempat Tugas akan di-peering. Contoh, projects/12345/global/networks/myVPC. Format memiliki bentuk projects/{project}/global/networks/{network}. Dengan {project} adalah nomor project, seperti 12345, dan {network} adalah nama jaringan.

Akses layanan pribadi harus sudah dikonfigurasi untuk jaringan tersebut. Jika tidak ditentukan, tugas tidak di-peering dengan jaringan apa pun.
env

map (key: string, value: string)

Variabel lingkungan. Maksimal 100 variabel lingkungan dapat ditentukan dan bersifat unik. Contoh: GCP_BUCKET=gs://my-bucket/samples/

Objek yang berisi daftar pasangan "key": value. Contoh: { "name": "wrench", "mass": "1.3kg", "count": "3" }.