Pengantar Agent Platform Workbench
Instance Agent Platform Workbench Gemini Enterprise adalah lingkungan pengembangan berbasis notebook Jupyter untuk seluruh alur kerja data science. Anda dapat berinteraksi dengan Agent Platform Workbench Gemini Enterprise dan layanan Google Cloud lainnya dari dalam notebook Jupyter instance Agent Platform Workbench.
Integrasi dan fitur Agent Platform Workbench dapat mempermudah Anda untuk mengakses data, memproses data lebih cepat, menjadwalkan operasi notebook, dan lainnya.
Instance Agent Platform Workbench 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 Agent Platform Workbench mendukung kemampuan untuk menyinkronkan dengan repositori GitHub.
Instance Agent Platform Workbench dilindungi 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 Agent Platform Workbench, 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, Agent Platform Workbench 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 Agent Platform Workbench.
VPC
Anda dapat men-deploy instance Agent Platform Workbench dengan jaringan default yang dikelola Google, yang menggunakan jaringan serta subnet VPC default. Sebagai ganti jaringan default, Anda dapat menentukan jaringan VPC yang akan digunakan dengan instance Anda.
Untuk menggunakan Agent Platform Workbench dalam perimeter layanan, lihat Menggunakan instance Agent Platform Workbench 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 Agent Platform Workbench 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 harus mengaktifkan layanan Confidential VM saat membuat instance Agent Platform Workbench. Untuk memulai, lihat Membuat instance dengan Confidential Computing.
Penonaktifan otomatis untuk instance yang sedang tidak beraktivitas
Untuk membantu mengelola biaya, instance Agent Platform Workbench 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 Agent Platform Workbench menggunakan kernel berdasarkan lingkungan conda. Anda dapat menambahkan lingkungan conda ke instance Agent Platform Workbench, 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 Agent Platform Workbench. 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 Agent Platform Workbench 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 Agent Platform Workbench 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 Agent Platform Workbench 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 Agent Platform Workbench melalui proxy.
Akses ke instance Agent Platform Workbench diberikan dengan menetapkan a akun utama kumpulan tenaga kerja ke akun layanan instance Agent Platform Workbench.
Untuk mengetahui informasi selengkapnya, lihat Membuat instance dengan kredensial pihak ketiga.
Tag untuk instance Agent Platform Workbench
VM yang mendasari instance Agent Platform Workbench adalah VM Compute Engine. Anda dapat menambahkan dan mengelola tag resource ke instance Agent Platform Workbench melalui VM Compute Engine-nya.
Saat Anda membuat instance Agent Platform Workbench, Agent Platform Workbench 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 Agent Platform Workbench 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 Agent Platform Workbench 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 container kustom yang memenuhi kebutuhan Anda, lalu buat instance menggunakan container kustom tersebut.Instance Agent Platform Workbench 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 VM Deep Learning dengan instance Agent Platform Workbench dapat dilakukan, Agent Platform Workbench tidak memberikan dukungan apa pun untuk perilaku atau malfungsi yang tidak terduga saat menggunakan image tersebut.Anda tidak dapat mengedit VM yang mendasari instance Agent Platform Workbench menggunakan Google Cloud konsol atau Compute Engine API. Untuk mengedit VM yang mendasari instance Agent Platform Workbench, gunakan
projects.locations.instances.patchmetode di Notebooks API ataugcloud workbench instances updateperintah di Agent Platform SDK.Di instance yang menggunakan Kontrol Layanan VPC, penggunaan eksekutor tidak didukung.
Untuk menggunakan akselerator dengan instance Agent Platform Workbench, jenis akselerator yang Anda inginkan harus tersedia di zona instance Anda. Untuk mempelajari ketersediaan akselerator berdasarkan zona, lihat Ketersediaan region dan zona GPU.