Choisir une solution de notebook

Cette page décrit les différences entre les options d'environnement de notebook de Vertex AI afin que vous puissiez choisir l'option la plus adaptée à votre projet.

Vertex AI fournit deux solutions d'environnement de notebook:

  • Colab Enterprise : environnement de notebook géré et collaboratif avec les fonctionnalités de sécurité et de conformité de Google Cloud. Si les priorités de votre projet sont de collaborer avec d'autres et d'éviter de perdre du temps à gérer l'infrastructure, Colab Enterprise peut être la meilleure option pour vous. Consultez la section Colab Enterprise suivante.

  • Vertex AI Workbench : environnement basé sur un notebook Jupyter fourni par des instances de machine virtuelle (VM) dotées de fonctionnalités compatibles avec le workflow de data science. Si les priorités de votre projet sont le contrôle et la personnalisation, Vertex AI Workbench peut être la meilleure option. Consultez la section Vertex AI Workbench suivante.

Colab Enterprise

Découvrez quelques-uns des points forts de Colab Enterprise dans les sections suivantes. Pour en savoir plus, consultez la page Présentation de Colab Enterprise.

Partager et collaborer

Colab Enterprise vous permet de partager des notebooks et de collaborer avec d'autres personnes. Vous pouvez partager un notebook avec un seul utilisateur, un groupe Google ou un domaine Google Workspace. Vous contrôlez cet accès via Identity and Access Management (IAM).

Calcul géré

Colab Enterprise vous permet de travailler dans des notebooks sans avoir à gérer l'infrastructure. Colab Enterprise provisionne un environnement d'exécution lorsque vous en avez besoin. Si vous le souhaitez, vous pouvez configurer des environnements d'exécution pour des besoins spécifiques, mais Colab Enterprise les démarre pour vous et les arrête lorsque vous n'en avez plus besoin.

Intégration à la console Google Cloud

Les intégrations de Colab Enterprise aux services Google Cloud facilitent l'utilisation de notebooks qui interagissent avec ces services. Vous pouvez utiliser Colab Enterprise depuis la console Google Cloud , avec des fonctionnalités intégrées à Vertex AI et BigQuery.

Écrire du code avec l'assistance de Gemini

Vous pouvez utiliser Gemini dans Vertex AI, un produit du portefeuille Gemini pour Google Cloud, pour vous aider à écrire et à générer du code dans un notebook Vertex AI. Gemini dans Vertex AI peut générer des suggestions de complétion de code lorsque vous tapez du texte dans une cellule de code. Vous pouvez également utiliser l'outil M'aider à coder pour générer du code à partir d'une description de ce que vous voulez. Pour en savoir plus, consultez Écrire du code avec l'assistance de Gemini.

Vertex AI Workbench

Découvrez quelques-uns des points forts de Vertex AI Workbench dans les sections suivantes. Pour plus d'informations, consultez la Présentation de Vertex AI Workbench.

Présentation

Toutes les instances Vertex AI Workbench fournissent les éléments suivants :

  • Pré-installé avec JupyterLab.
  • Une suite préinstallée de packages de deep learning, y compris la prise en charge des frameworks TensorFlow et PyTorch.
  • Compatibilité avec les accélérateurs GPU.
  • La possibilité de synchroniser avec un dépôt GitHub.
  • Google Cloud authentification et autorisation.

Ajouter des environnements Conda

Les instances Vertex AI Workbench utilisent des noyaux basés sur des environnements Conda. Vous pouvez ajouter un environnement Conda à votre instance Vertex AI Workbench. L'environnement apparaît comme un noyau dans l'interface JupyterLab de votre instance.

L'ajout d'environnements Conda vous permet d'utiliser des noyaux qui ne sont pas disponibles dans l'instance Vertex AI Workbench par défaut. Par exemple, vous pouvez ajouter des environnements Conda pour R et Apache Beam. Vous pouvez également ajouter des environnements Conda à d'anciennes versions spécifiques des frameworks disponibles, tels que TensorFlow, PyTorch ou Python.

Pour en savoir plus, consultez Ajouter un environnement Conda.

Accès aux données

Vous pouvez travailler plus efficacement en accédant à vos données sans quitter l'interface JupyterLab.

Dans le menu de navigation de JupyterLab d'une instance Vertex AI Workbench, vous pouvez utiliser l'intégration Cloud Storage pour parcourir les données et les autres fichiers auxquels vous avez accès.

Toujours depuis le menu de navigation, vous pouvez utiliser l'intégration de BigQuery pour parcourir les tables auxquelles vous avez accès, écrire des requêtes, prévisualiser les résultats et charger des données dans votre notebook.

Exécutions de notebook automatisées

Vous pouvez configurer un notebook pour qu'il s'exécute selon un calendrier récurrent. Même lorsque votre instance est arrêtée, Vertex AI Workbench va exécuter votre fichier notebook et enregistrer les résultats, que vous pouvez consulter et partager avec d'autres utilisateurs.

Arrêt automatisé pour les instances inactives

Pour vous aider à gérer les coûts, vous pouvez configurer votre instance Vertex AI Workbench de sorte qu'elle s'arrête après une période d'inactivité spécifique. Pour en savoir plus, consultez la section Arrêt en cas d'inactivité.

Conteneurs personnalisés

Vous pouvez créer une instance Vertex AI Workbench basée sur un conteneur personnalisé. Commencez avec une image de conteneur de base fournie par Google, puis modifiez-la selon vos besoins. Créez ensuite une instance basée sur votre conteneur personnalisé.

Pour en savoir plus, consultez la page Créer une instance à l'aide d'un conteneur personnalisé.

Utiliser des identifiants tiers

Vous pouvez créer et gérer des instances Vertex AI Workbench avec des identifiants tiers fournis par la fédération des identités des employés. La fédération des identités des employés utilise votre fournisseur d'identité externe (IdP) pour accorder à un groupe d'utilisateurs l'accès aux instances Vertex AI Workbench via un proxy.

Pour en savoir plus, consultez la section Créer une instance avec des identifiants tiers.

Surveillance de l'état

Pour vous assurer que votre instance Vertex AI Workbench fonctionne correctement, vous pouvez surveiller l'état de fonctionnement.

Instances de VM deep learning modifiables

Vertex AI Workbench fournit des méthodes d'API permettant de modifier la VM sous-jacente via l'API Notebooks.

Étapes suivantes

Pour commencer :