Vertex AI Workbench ist eine auf JupyterLab-Notebooks basierende Entwicklungsumgebung, die für Ihren gesamten Data-Science-Workflow verfügbar ist. Sie können über ein Notebook einer JupyterLab-Instanz, die von Vertex AI Workbench bereitgestellt wird, mit Vertex AI und seinen Diensten in Google Distributed Cloud (GDC) interagieren, ohne dass eine Verbindung zum Internet erforderlich ist.
Die Integrationen und Funktionen von Vertex AI Workbench erleichtern den Zugriff auf Ihre Daten für maschinelles Lernen, das schnelle Freigeben und Verarbeiten von Daten sowie die Interaktion mit Vertex AI-Diensten über die Programmiersprache Python.
Mit Vertex AI Workbench können Sie beispielsweise:
- Mit BigQuery- und Cloud Storage-Integrationen in einem JupyterLab-Notebook auf Ihre Daten für maschinelles Lernen zugreifen.
- Geben Sie Ihr JupyterLab-Notebook für andere Nutzer Ihres Projekts frei.
- Importieren Sie Vertex AI-Clientbibliotheken, um den programmatischen Zugriff auf APIs zu vereinfachen.
- Mit Vertex AI-Diensten interagieren, API-Anfragen authentifizieren und Vertex AI-Funktionen aus Python-Skripts verwenden.
- Sicherung erstellen und Daten der JupyterLab-Instanz wiederherstellen
- Verwenden Sie eine integrierte Entwicklungsumgebung (IDE), um integrierte JupyterLab-Notebooks zu nutzen.
- Eine durchgängig Notebook-basierte Produktionsumgebung einrichten.
JupyterLab-Instanzen
Vertex AI Workbench bietet JupyterLab-Instanzen mit integrierten Integrationen, mit denen Sie eine durchgängige Notebook-basierte Produktionsumgebung einrichten können. JupyterLab-Instanzen kombinieren Workflow-orientierte Integrationen einer verwalteten Instanz mit der Anpassung und Kontrolle, die Sie für Ihre Umgebung benötigen.
Vertex AI Workbench umfasst Instanztypen, die mit JupyterLab und einer Reihe von Deep-Learning-Paketen vorinstalliert sind, einschließlich Unterstützung für die Frameworks TensorFlow und PyTorch. Je nach Bedarf können Sie zwischen rein CPU-basierten oder GPU-fähigen Instanzen wählen.
Sie können ein Docker-Image und einen Cluster für die Umgebung Ihrer JupyterLab-Instanz auswählen. Mit Docker können Sie eine benutzerdefinierte JupyterLab-Umgebung erstellen und in ein Image einbinden. Dieses Image sorgt für Konsistenz und Reproduzierbarkeit bei verschiedenen Bereitstellungen und enthält alle erforderlichen Pakete und Tools. Sie können diese benutzerdefinierte Umgebung mit anderen teilen oder als Grundlage für die zukünftige Entwicklung verwenden.
JupyterLab-Instanzen sind durch Authentifizierung und Autorisierung geschützt.