Dans ce tutoriel, vous utilisez Model Garden pour déployer le modèle ouvert Gemma 2B sur un point de terminaison Vertex AI basé sur TPU. Vous devez déployer un modèle sur un point de terminaison avant de pouvoir utiliser ce modèle pour livrer des prédictions en ligne. Le déploiement d'un modèle associe des ressources physiques au modèle afin qu'il puisse générer des prédictions en ligne avec une faible latence.
Après avoir déployé le modèle Gemma 2B, vous pouvez exécuter l'inférence du modèle entraîné à l'aide de PredictionServiceClient
pour obtenir des prédictions en ligne. Les prédictions en ligne sont le résultat de requêtes synchrones adressées à un modèle déployé sur un point de terminaison.
Déployer Gemma à l'aide de Model Garden
Vous déployez le modèle Gemma 2B sur un type de machine ct5lp-hightpu-1t
Compute Engine optimisé pour l'entraînement à petite ou moyenne échelle. Cette machine dispose d'un accélérateur TPU v5e. Pour en savoir plus sur l'entraînement de modèles à l'aide de TPU, consultez Entraînement avec Cloud TPU v5e.
Dans ce tutoriel, vous allez déployer le modèle ouvert Gemma 2B adapté aux instructions à l'aide de la fiche de modèle dans Model Garden. La version spécifique du modèle est gemma2-2b-it
. -it
signifie qu'il est adapté aux instructions.
Le modèle Gemma 2B présente une taille de paramètre plus basse, ce qui signifie des besoins en ressources moins élevés et plus de flexibilité de déploiement.
Dans la console Google Cloud , accédez à la page Model Garden.
Cliquez sur la fiche du modèle Gemma 2.
Cliquez sur Déployer pour ouvrir le volet Déployer le modèle.
Dans le volet Déployer le modèle, spécifiez les informations suivantes.
Dans le champ Environnement de déploiement, cliquez sur Vertex AI.
Dans la section Déployer le modèle :
Dans le champ ID de ressource, sélectionnez
gemma-2b-it
.Pour Nom du modèle et Nom du point de terminaison, acceptez les valeurs par défaut. Par exemple :
- Nom du modèle :
gemma2-2b-it-1234567891234
- Nom du point de terminaison :
gemma2-2b-it-mg-one-click-deploy
Notez le nom du point de terminaison. Vous en aurez besoin pour trouver l'ID de point de terminaison utilisé dans les exemples de code.
- Nom du modèle :
Dans la section Paramètres de déploiement :
Acceptez l'option par défaut pour les paramètres de base.
Pour Région, acceptez la valeur par défaut ou sélectionnez une région dans la liste. Notez la région. Vous en aurez besoin pour les exemples de code.
Dans Spécifications de la machine, sélectionnez l'instance basée sur TPU :
ct5lp-hightpu-1t (1 TPU_V5_LITEPOD; ct5lp-hightpu-1t)
.
Cliquez sur Déployer. Une fois le déploiement terminé, vous recevez un e-mail contenant des informations sur votre nouveau point de terminaison. Vous pouvez également afficher les détails du point de terminaison en cliquant sur Prédiction en ligne > Points de terminaison et en sélectionnant votre région.
Effectuer une inférence du modèle Gemma 2B avec PredictionServiceClient
Après avoir déployé le modèle Gemma 2B, vous pouvez utiliser PredictionServiceClient
pour obtenir des prédictions en ligne pour le prompt "Pourquoi le ciel est-il bleu ?"
Paramètres de code
Les exemples de code PredictionServiceClient
nécessitent que vous mettiez à jour les éléments suivants.
PROJECT_ID
: pour trouver l'ID de votre projet, procédez comme suit.Accédez à la page d'accueil de la console Google Cloud .
Dans le sélecteur de projets situé en haut de la page, sélectionnez votre projet.
Le nom ainsi que le numéro et l'ID du projet apparaissent après l'en-tête Bienvenue.
ENDPOINT_REGION
: région dans laquelle vous avez déployé le point de terminaison.ENDPOINT_ID
: pour trouver l'ID de votre point de terminaison, affichez-le dans la console ou exécutez la commandegcloud ai endpoints list
. Vous aurez besoin du nom et de la région du point de terminaison dans le volet Déployer le modèle.Console
Vous pouvez afficher les détails du point de terminaison en cliquant sur Prédiction en ligne > Points de terminaison et en sélectionnant votre région. Notez le nombre qui s'affiche dans la colonne
ID
.gcloud
Vous pouvez afficher les détails du point de terminaison en exécutant la commande
gcloud ai endpoints list
.gcloud ai endpoints list \ --region=ENDPOINT_REGION \ --filter=display_name=ENDPOINT_NAME
Le résultat ressemble à ceci :
Using endpoint [https://us-central1-aiplatform.googleapis.com/] ENDPOINT_ID: 1234567891234567891 DISPLAY_NAME: gemma2-2b-it-mg-one-click-deploy
Exemple de code
Dans l'exemple de code correspondant à votre langage, modifiez PROJECT_ID
, ENDPOINT_REGION
et ENDPOINT_ID
. Exécutez ensuite votre code.
Python
Pour savoir comment installer ou mettre à jour le SDK Vertex AI pour Python, consultez Installer le SDK Vertex AI pour Python. Pour en savoir plus, consultez la documentation de référence de l'API Python.
Node.js
Avant d'essayer cet exemple, suivez les instructions de configuration pour Node.js décrites dans le guide de démarrage rapide de Vertex AI sur l'utilisation des bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API Vertex AI pour Node.js.
Pour vous authentifier auprès de Vertex AI, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.
Java
Avant d'essayer cet exemple, suivez les instructions de configuration pour Java décrites dans le guide de démarrage rapide de Vertex AI sur l'utilisation des bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API Vertex AI pour Java.
Pour vous authentifier auprès de Vertex AI, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.
Go
Avant d'essayer cet exemple, suivez les instructions de configuration pour Go décrites dans le guide de démarrage rapide de Vertex AI sur l'utilisation des bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API Vertex AI pour Go.
Pour vous authentifier auprès de Vertex AI, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.