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

כדי לשלב את Vertex AI TensorBoard עם אימון מותאם אישית, צריך לצרף 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 האימון של Vertex AI כדי לגשת לשירותים ולמשאבים. Google Cloud אם צריך, משתמשים בפקודות הבאות כדי להעניק את התפקידים האלה:

    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 האימון. הקטגוריה צריכה להיות אזורית, כלומר לא במספר אזורים או בשני אזורים, והמשאבים הבאים צריכים להיות באותו אזור:

  • קטגוריה של Cloud Storage
  • משימת אימון ב-Vertex AI
  • מכונה של Vertex AI TensorBoard

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

GCS_BUCKET_NAME="PROJECT_ID-tensorboard-logs-LOCATION_ID"
gcloud storage buckets create "gs://${GCS_BUCKET_NAME}" --location=LOCATION_ID

מחליפים את LOCATION_ID במיקום שבו נוצר מופע Vertex AI TensorBoard, לדוגמה us-central1.

‫GCS_BUCKET_NAME משמש ליצירת משימת אימון בהתאמה אישית באמצעות REST.

יצירת מכונה של Vertex AI TensorBoard

כדי להציג את הניסויים ב-Vertex AI TensorBoard, צריך ליצור מופע של Vertex AI TensorBoard, שהוא משאב אזורי שבו מאוחסנים הניסויים שלכם ב-Vertex AI TensorBoard. 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 במופע ברירת המחדל של Vertex AI TensorBoard

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

‫Vertex AI SDK ל-Python

יוצרים ניסוי Vertex AI TensorBoard עם מופע ברירת מחדל באמצעות Vertex AI SDK ל-Python. מאחזרים את tensorboard_resource_name מהניסוי. אפשר לעיין בinit וב-Experiment במסמכי העזר של Vertex AI 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 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 שבו יש תמיכה ב-Vertex AI TensorBoard.

יצירה ידנית של מופע Vertex AI TensorBoard

אפשר 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-Vertex AI, כשמתחילים הרצת ניסוי או כשמגדירים את קוד ההדרכה.

‫Vertex AI SDK ל-Python

יוצרים מופע של Vertex AI TensorBoard באמצעות Vertex AI 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 של מופע Vertex AI 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

Google Cloud CLI

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

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

    הפקודות כוללות את create,‏ describe,‏ list,‏ update ו-delete. במידת הצורך, אפשר לפעול לפי השלבים האלה כדי להגדיר ערכי ברירת מחדל לפרויקט ולמיקום לפני שממשיכים.
  4. מאמתים את ה-CLI של gcloud.
    gcloud auth application-default login
  5. יוצרים מכונה של Vertex AI TensorBoard על ידי הזנת שם פרויקט ושם מוצג. בפעם הראשונה שמבצעים את השלב הזה בפרויקט, הוא עשוי להימשך כמה דקות. רושמים את שם המופע 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 הפעלה של CMEK באמצעות Google Cloud המסוף:

  1. אם אתם משתמשים חדשים ב-Vertex AI או מתחילים פרויקט חדש, כדאי להגדיר את הפרויקט ואת סביבת הפיתוח.
  2. בקטע Vertex AI במסוף Google Cloud , עוברים לדף Experiments.

    כניסה 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.

create tensorboard instance

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. הניסויים ב-Vertex AI שהמופע משויך אליהם לא נמחקים.

כדי למחוק ניסוי ב-Vertex AI Experiments ואת הניסויים המשויכים לו ב-Vertex AI TensorBoard, אפשר לעיין במאמר בנושא מחיקת ניסוי.

‫Vertex AI SDK ל-Python

מחיקת מופע של Vertex AI TensorBoard באמצעות Vertex AI 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 שבו נמצא מופע TensorBoard.

מסוףGoogle Cloud

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

  1. בקטע Vertex AI במסוף Google Cloud , עוברים לדף Experiments.

    כניסה לדף Experiments
  2. בוחרים בכרטיסייה TensorBoard Instances (מופעי TensorBoard). מופיעה רשימה של מופעי TensorBoard.
  3. בוחרים באפשרות ולוחצים על מחיקה.

מחיקת מכונה של 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 TensorBoard של Vertex AI. הפורמט הוא כזה:

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.

‫Vertex AI 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 המופע של TensorBoard הוא ערך מזהה שנוצר ומשויך למופע של TensorBoard. כדי למצוא את TENSORBOARD_INSTANCE_ID, עוברים לדף Experiments (ניסויים) בקטע Vertex AI במסוף Google Cloud ובוחרים בכרטיסייה TensorBoard Instances (מופעי TensorBoard).

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