开始使用训练集群

如果您对 Vertex AI 训练集群感兴趣，请与您的销售代表联系以获取访问权限。

在您可以在 Vertex AI 训练集群上部署第一个集群之前，您必须配置您的Google Cloud 项目和环境。本指南涵盖了所有必要的前提条件，主要分为以下三类：

完成这些步骤可为您的项目成功部署做好准备。

前提条件

如需使用训练集群，您必须：

联系您的销售代表获取访问权限，将您的项目列入许可名单。
在受支持的区域中获取 GPU 集群的容量。
启用必要的 API，包括 Compute Engine、Filestore、Cloud Storage、Managed Lustre（可选）、Hypercomputer Configuration Service 和 Vertex AI API。
配置网络，确保现有网络满足特定条件（例如，Google 专用访问通道、防火墙规则），或者创建新的 VPC 网络和子网。
通过创建可用区级或区域级 Filestore 实例作为 /home 目录来配置存储空间，并可以选择性地配置Google Cloud 管理的 Lustre 实例。
按照 IAM 权限部分所述，向用户授予 IAM 权限，以便用户管理集群、访问存储空间以及通过 SSH 访问集群节点。

向将管理（创建、删除和更新）托管式训练集群的用户或服务账号授予以下 IAM 角色：

角色名称	角色 ID
Compute Instance Admin (v1)	`roles/compute.instanceAdmin.v1`
Logs Writer	`roles/logging.logWriter`
Monitoring Metric Writer	`roles/monitoring.metricWriter`
服务账号用户	`roles/iam.serviceAccountUser`
Service Networking Admin	`roles/servicenetworking.networksAdmin`

如需允许集群的节点使用 Google Cloud Storage FUSE 从 Cloud Storage 存储桶读取数据和向其中写入数据，请向虚拟机使用的服务账号授予 Storage Object User 角色 (roles/storage.objectUser)。

如需通过 SSH 访问 Slurm 登录节点，请授予以下权限：

权限	广告内容描述	用途
Compute OS Login	以标准（非管理员）用户身份登录虚拟机。如果需要 `sudo`，请改用 Compute OS Admin Login。	通过 SSH 连接到已部署的登录节点
IAP-secured Tunnel User	可访问使用 Identity-Aware Proxy 的隧道资源。	通过 SSH 连接到已部署的登录节点

启用 Google Compute Engine API：

   gcloud services enable compute.googleapis.com

启用服务网络，因为必须先部署 Filestore，然后才能创建集群。
```
   gcloud services enable servicenetworking.googleapis.com
```

启用 Cloud Storage API：

    gcloud services enable storage.googleapis.com

启用 Lustre API（如果使用 Lustre）：

gcloud services enable lustre.googleapis.com

启用 HCS API：

gcloud services enable hypercomputecluster.googleapis.com

gcloud services enable aiplatform.googleapis.com

gcloud services enable cloudresourcemanager.googleapis.com

如需获取有关创建训练集群和运行 AI/机器学习工作负载的详细指南，请与您的销售代表联系。