Installer les bibliothèques clientes Vertex AI

Cette page s'adresse aux développeurs d'applications des groupes d'opérateurs d'applications chargés de configurer leurs environnements d'application et de développement pour activer les fonctionnalités d'IA. Pour en savoir plus, consultez la documentation sur les audiences pour GDC en mode air-gapped.

Chaque service Vertex AI fournit une API. Bien que vous puissiez interagir directement avec ces API via des requêtes serveur brutes, les bibliothèques clientes simplifient l'accès programmatique depuis les langages compatibles sur Distributed Cloud. Ils réduisent le code nécessaire, en particulier lorsque vous travaillez dans des environnements tels qu'un notebook JupyterLab.

Vous pouvez installer une bibliothèque cliente Vertex AI à l'aide des méthodes suivantes :

• Extrayez le fichier de bibliothèque directement à partir du fichier tar.
• Utilisez un notebook JupyterLab pour importer la bibliothèque.
• Importez une bibliothèque cliente à partir d'un notebook. Pour en savoir plus, consultez Gérer les notebooks.

Bibliothèques clientes Vertex AI

Vertex AI propose différentes versions de bibliothèques clientes pour les systèmes d'exploitation CentOS et Ubuntu.

Les conventions de dénomination des bibliothèques clientes Vertex AI dans le fichier tar sont basées sur le système d'exploitation, le nom du service et la version. Les noms de fichiers respectent le format suivant :

OS-google-cloud-SERVICE-VERSION.tar.gz

Remplacez les éléments suivants :

• OS : nom de l'OS sur lequel vous souhaitez installer la bibliothèque cliente. Les valeurs autorisées sont centos et ubuntu.

• SERVICE : nom du service Vertex AI à partir duquel vous souhaitez télécharger la bibliothèque cliente. Voici les valeurs autorisées :

  • aiplatform : bibliothèque cliente Vertex AI Platform.
  • speech : bibliothèque cliente Speech-to-Text.
  • translate : bibliothèque cliente Vertex AI Translation.
  • vision : bibliothèque cliente OCR.

• VERSION : numéro de version de la bibliothèque cliente, tel que 3.8.0.

Le tableau suivant contient les bibliothèques clientes Vertex AI compatibles avec Distributed Cloud :

Avant de commencer

Avant de télécharger le fichier tar et d'extraire les bibliothèques clientes, procédez comme suit :

1. Configurez un projet pour Vertex AI.

2. Authentifiez-vous avec la gcloud CLI :

   gdcloud auth login
   

   Pour savoir comment vous authentifier auprès de votre fournisseur d'identité configuré, consultez l'authentification gcloud CLI.

3. Attribuez le rôle Lecteur Cloud AI (cloud-ai-viewer) à un compte de service. Le compte de service a besoin de ce rôle pour accéder aux services Vertex AI.

4. Vérifiez que vous avez installé Python version 3.7.

Installer une bibliothèque cliente

Après avoir rempli les conditions préalables, procédez comme suit pour télécharger le fichier TAR et l'utiliser pour installer une bibliothèque cliente :

1. Téléchargez la bibliothèque cliente que vous souhaitez installer :

   wget https://GDC_URL/.well-known/static/client-libraries/CLIENT_LIBRARY
   

   Remplacez les éléments suivants :

   • GDC_URL : URL de votre organisation dans GDC.
   • CLIENT_LIBRARY : nom de fichier de la bibliothèque cliente que vous souhaitez télécharger.

2. Extrayez le fichier de bibliothèque :

   tar -zxf CLIENT_LIBRARY
   

3. Installez la bibliothèque cliente dans Distributed Cloud :

   pip install -r FOLDER_NAME/requirements.txt --no-index --find-links FOLDER_NAME
   

   Remplacez FOLDER_NAME par le chemin d'accès au répertoire local dans lequel vous avez téléchargé le fichier de bibliothèque.

4. Importez la bibliothèque cliente à l'aide d'un script Python. L'exemple suivant montre un extrait de code d'un script Python qui importe la bibliothèque cliente Vertex AI Translation pour illustrer l'importation de bibliothèques :

   from google.cloud import translate
   translate_client = translate.Client(
    client_options={"API_ENDPOINT": "https://foo-translation.googleapis.com"})
   result
   = translate_client.translate(text, target_language="ru")
   
   [...]
   

5. Enregistrez le script Python sous un nom, par exemple translation-service.py.

6. Exécutez le script Python :

   python SCRIPT_NAME
   

   Remplacez SCRIPT_NAME par le nom que vous avez donné à votre script Python, par exemple translation-service.py.