Instance Workbench Platform Agen Gemini Enterprise adalah lingkungan pengembangan berbasis notebook Jupyter untuk seluruh alur kerja data science. Anda dapat berinteraksi dengan Platform Agen Gemini Enterprise dan layanan Google Cloud lainnya dari dalam notebook Jupyter instance Workbench Platform Agen.
Integrasi dan fitur Workbench Platform Agen dapat mempermudah Anda untuk mengakses data, memproses data lebih cepat, menjadwalkan operasi notebook, dan lainnya.
Instance Workbench Platform Agen sudah dikemas dengan JupyterLab dan memiliki rangkaian paket deep learning bawaan, termasuk dukungan untuk framework TensorFlow dan PyTorch. Anda dapat mengonfigurasi instance khusus CPU, atau yang mendukung GPU.
Instance Workbench Platform Agen mendukung kemampuan untuk menyinkronkan dengan a GitHub repositori.
Instance Workbench Platform Agen dilindungi oleh oleh Google Cloud autentikasi dan otorisasi.
Akses ke data
Anda dapat mengakses data Anda tanpa meninggalkan antarmuka pengguna JupyterLab.
Di dalam menu navigasi JupyterLab pada instance Workbench Platform Agen, Anda dapat menggunakan integrasi Cloud Storage untuk menjelajahi data dan file lain yang dapat Anda akses. Lihat Mengakses bucket dan file Cloud Storage dari dalam JupyterLab.
Anda juga dapat menggunakan integrasi BigQuery untuk menjelajahi tabel yang dapat Anda akses, menulis kueri, melihat pratinjau hasil, dan memuat data ke notebook Anda. Lihat Data kueri di BigQuery tabel dari dalam JupyterLab.
Menjalankan operasi notebook
Gunakan eksekutor untuk menjalankan file notebook sebagai eksekusi satu kali atau sesuai jadwal. Pilih lingkungan dan hardware tertentu yang Anda inginkan untuk menjalankan eksekusi Anda. Kode notebook Anda akan berjalan pada pelatihan kustom Agent Platform, yang dapat mempermudah melakukan pelatihan terdistribusi, mengoptimalkan hyperparameter, atau menjadwalkan tugas pelatihan berkelanjutan.
Anda dapat menggunakan parameter dalam eksekusi untuk membuat perubahan spesifik pada setiap eksekusi. Misalnya, Anda dapat menentukan set data lain yang akan digunakan, mengubah kecepatan pembelajaran pada model, atau mengubah versi modelnya.
Anda juga dapat mengatur notebook untuk dijalankan secara rutin. Meskipun instance Anda dinonaktifkan, Workbench Platform Agen Gemini Enterprise akan menjalankan file notebook Anda dan menyimpan hasilnya untuk dilihat dan dibagikan kepada orang lain. Lihat Menjadwalkan operasi notebook.
Membagikan insight
Operasi notebook yang dijalankan disimpan di bucket Cloud Storage, sehingga Anda dapat berbagi insight dengan orang lain dengan memberikan akses ke hasilnya. Lihat bagian sebelumnya tentang cara untuk menjalankan operasi notebook.
Mengamankan instance Anda
Bagian berikut menjelaskan kemampuan yang didukung yang dapat membantu Anda mengamankan instance Workbench Platform Agen.
VPC
Anda dapat men-deploy instance Agent Platform Workbench dengan jaringan default yang dikelola Google, yang menggunakan jaringan VPC serta subnet default. Sebagai ganti jaringan default, Anda dapat menentukan jaringan VPC yang akan digunakan dengan instance Anda.
Untuk menggunakan Workbench Platform Agen dalam perimeter layanan, lihat Menggunakan instance Workbench Platform Agen dalam perimeter layanan.
Kunci enkripsi yang dikelola pelanggan (Customer-Managed Encryption Key/CMEK)
Secara default, Google Cloud otomatis mengenkripsi data saat dalam penyimpanan menggunakan kunci enkripsi yang dikelola oleh Google. Jika Anda memiliki persyaratan kepatuhan atau peraturan khusus terkait kunci yang melindungi data, Anda dapat menggunakan kunci enkripsi yang dikelola pelanggan (CMEK) dengan instance Workbench Platform Agen Gemini Enterprise. Untuk mengetahui informasi selengkapnya, lihat Kunci enkripsi yang dikelola pelanggan.
Confidential Computing
Anda dapat mengenkripsi data yang sedang digunakan dengan menggunakan Confidential Computing. Untuk menggunakan Confidential Computing, Anda mengaktifkan layanan Confidential VM saat membuat instance Workbench Platform Agen. Untuk memulai, lihat Membuat instance dengan Confidential Computing.
Penonaktifan otomatis untuk instance yang sedang tidak beraktivitas
Untuk membantu mengelola biaya, instance Workbench Platform Agen akan dinonaktifkan setelah tidak ada aktivitas selama jangka waktu tertentu secara default. Anda dapat mengubah durasi waktu atau menonaktifkan fitur ini. Untuk mengetahui informasi selengkapnya, lihat Penonaktifan saat tidak ada aktivitas.
Menambahkan lingkungan conda
Instance Workbench Platform Agen menggunakan kernel berdasarkan lingkungan conda. Anda dapat menambahkan lingkungan conda ke instance Workbench Platform Agen, dan lingkungan tersebut akan muncul sebagai kernel di antarmuka JupyterLab instance Anda.
Dengan menambahkan lingkungan conda, Anda dapat menggunakan kernel yang tidak tersedia di instance default Workbench Platform Agen. Misalnya, Anda dapat menambahkan lingkungan conda untuk R dan Apache Beam. Atau, Anda dapat menambahkan lingkungan conda untuk versi lama tertentu dari framework yang tersedia, seperti TensorFlow, PyTorch, atau Python.
Untuk mengetahui informasi selengkapnya, lihat Menambahkan lingkungan conda.
Container kustom
Anda dapat membuat instance Workbench Platform Agen berdasarkan container kustom. Mulai dengan image container dasar yang disediakan Google, dan ubah sesuai kebutuhan Anda. Kemudian, buat instance berdasarkan container kustom Anda.
Untuk mengetahui informasi selengkapnya, lihat Membuat instance menggunakan container kustom.
Integrasi Managed Service untuk Apache Spark
Anda dapat memproses data secara cepat dengan menjalankan notebook pada cluster Managed Service untuk Apache Spark. Setelah cluster siap, Anda dapat menjalankan file notebook di dalamnya tanpa meninggalkan antarmuka pengguna JupyterLab. Untuk mengetahui informasi selengkapnya, lihat Membuat instance yang mendukung Managed Service untuk Apache Spark.
Mereservasi resource VM
Gunakan reservasi Compute Engine untuk mendapatkan tingkat jaminan yang tinggi bahwa instance Workbench Platform Agen Anda memiliki resource virtual machine (VM) yang cukup untuk dijalankan.
Reservasi adalah fitur Compute Engine. Reservasi membantu memastikan bahwa Anda memiliki resource yang tersedia untuk membuat VM dengan hardware yang sama (memori dan vCPU) dan resource opsional (GPU dan disk SSD Lokal) kapan pun Anda membutuhkannya.
Untuk mengetahui informasi selengkapnya, lihat Menggunakan reservasi.
Membuat instance dengan kredensial pihak ketiga
Anda dapat membuat dan mengelola instance Workbench Platform Agen Gemini Enterprise dengan kredensial pihak ketiga yang disediakan oleh Workforce Identity Federation. Workforce Identity Federation menggunakan penyedia identitas (IdP) eksternal Anda untuk memberikan akses kepada sekelompok pengguna ke instance Workbench Platform Agen melalui proxy.
Akses ke instance Workbench Platform Agen diberikan dengan menetapkan a principal kumpulan tenaga kerja ke akun layanan instance Workbench Platform Agen.
Untuk mengetahui informasi selengkapnya, lihat Membuat instance dengan kredensial pihak ketiga.
Tag untuk instance Workbench Platform Agen
VM yang mendasari instance Workbench Platform Agen adalah VM Compute Engine. Anda dapat menambahkan dan mengelola tag resource ke instance Workbench Platform Agen melalui VM Compute Engine-nya.
Saat Anda membuat instance Workbench Platform Agen, Workbench Platform Agen akan melampirkan tag resource Compute Engine vertex-workbench-instances:prod=READ_ONLY. Tag resource ini hanya digunakan untuk tujuan internal.
Untuk mempelajari lebih lanjut cara mengelola tag untuk instance Compute Engine, lihat Mengelola tag untuk resource.
Batasan
Pertimbangkan batasan dari instance Workbench Platform Agen berikut ini saat Anda sedang merencanakan project:
Ekstensi JupyterLab pihak ketiga tidak didukung.
Saat Anda menggunakan Access Context Manager dan Chrome Enterprise Premium untuk melindungi instance Workbench Platform Agen dengan kontrol akses kontekstual, akses akan dievaluasi setiap kali pengguna melakukan autentikasi ke instance tersebut. Misalnya, akses dievaluasi pada saat pertama kali pengguna mengakses JupyterLab, dan setiap kali mereka mengaksesnya jika masa berlaku cookie browser web mereka telah habis.
Menggunakan container kustom yang tidak berasal dari container dasar yang disediakan Google (
gcr.io/deeplearning-platform-release/workbench-container:latest) akan meningkatkan risiko masalah kompatibilitas dengan layanan kami dan tidak didukung. Sebagai gantinya, ubah container dasar untuk membuat a container kustom yang memenuhi kebutuhan Anda, lalu buat instance menggunakan container kustom.Instance Workbench Platform Agen mengharapkan image dari project
cloud-notebooks-managed. Daftar nama image tersedia di halaman pembuatan di Google Cloud konsol. Meskipun penggunaan image virtual machine (VM) kustom atau image VM Deep Learning dengan instance Workbench Platform Agen dapat dilakukan, Workbench Platform Agen tidak memberikan dukungan apa pun untuk perilaku atau malfungsi yang tidak terduga saat menggunakan image tersebut.Anda tidak dapat mengedit VM yang mendasari instance Workbench Platform Agen menggunakan Google Cloud konsol atau Compute Engine API. Untuk mengedit VM yang mendasari instance Workbench Platform Agen, gunakan metode
projects.locations.instances.patchdi Notebooks API atau perintahgcloud workbench instances updatedi Agent Platform SDK.Di instance yang menggunakan Kontrol Layanan VPC, penggunaan eksekutor tidak didukung.
Untuk menggunakan akselerator dengan instance Workbench Platform Agen, jenis akselerator yang Anda inginkan harus tersedia di zona instance Anda. Untuk mempelajari ketersediaan akselerator menurut zona, lihat Ketersediaan region dan zona GPU.