Vertex AI Workbench est un environnement de développement unique pour l'ensemble du workflow de data science. Pour configurer un environnement de production de bout en bout basé sur des notebooks, créez des instances JupyterLab avec des intégrations intégrées. Si vous ne connaissez pas Vertex AI, découvrez Vertex AI Workbench.
Cette page décrit le processus de gestion des notebooks JupyterLab dans Vertex AI Workbench, y compris la création et le partage de notebooks, ainsi que l'utilisation de notebooks pour interagir avec les services Vertex AI. Cette page explique également comment supprimer et mettre à jour les instances JupyterLab qui hébergent vos notebooks.
Pour savoir comment sauvegarder et restaurer des données, consultez Créer une sauvegarde et restaurer des données de notebook.
Avant de commencer
Avant d'utiliser Vertex AI Workbench pour gérer les notebooks, vous devez disposer d'un projet prêt à exécuter les services Vertex AI. Pour en savoir plus, consultez Configurer un projet pour Vertex AI.
Pour obtenir les autorisations nécessaires pour gérer les ressources de notebooks dans un espace de noms de projet, demandez à votre administrateur IAM de projet de vous accorder l'un des rôles suivants :
- Administrateur Notebooks Workbench (
workbench-notebooks-admin) : bénéficiez d'un accès en lecture et en écriture à toutes les ressources de notebooks d'un projet. Ce rôle est nécessaire pour créer des notebooks JupyterLab. - Lecteur Workbench Notebooks (
workbench-notebooks-viewer) : permet d'accéder en lecture seule à toutes les ressources de notebooks d'un projet. Ce rôle est nécessaire pour ouvrir des notebooks JupyterLab.
Pour en savoir plus sur ces rôles, consultez Préparer les autorisations IAM.
Créer un notebook JupyterLab
Cette section décrit la configuration d'une instance JupyterLab dans Vertex AI Workbench et la création d'un notebook JupyterLab dans l'instance.
Après avoir rempli les conditions préalables, procédez comme suit pour configurer une instance JupyterLab et créer un notebook JupyterLab :
- Connectez-vous à la console GDC et sélectionnez votre projet.
- Dans le menu de navigation, cliquez sur Vertex AI > Workbench.
- Cliquez sur Nouveau notebook.
Sur la page Créer un notebook, saisissez des valeurs pour les champs suivants :
- Nom du notebook : saisissez le nom que vous souhaitez donner à votre notebook JupyterLab. Vertex AI Workbench utilise le nom que vous choisissez pour créer une URL permettant d'accéder à votre notebook.
- Environnement : sélectionnez une image Docker pour votre instance JupyterLab. Cette image fournit une base pour le déploiement et les packages de machine learning (ML) typiques.
- Cluster : sélectionnez un cluster Kubernetes pour votre instance JupyterLab qui répond à vos exigences d'utilisation. Si aucun cluster Kubernetes n'est disponible, demandez à votre administrateur d'en ajouter un ou plusieurs.
- Processeurs / Mémoire : saisissez la quantité de processeurs et de RAM dont vous avez besoin pour vos charges de travail. Pour les charges de travail nécessitant une utilisation intensive du processeur, vous pouvez choisir plusieurs processeurs.
- GPU : sélectionnez le nombre de GPU dont vous avez besoin pour votre instance JupyterLab. Dans Distributed Cloud, un GPU est une tranche de GPU NVIDIA Multi-Instance (MIG) d'un GPU A100 Tensor Core.
- Volume Workspace : saisissez la taille de stockage dont vous avez besoin en Go.
Cliquez sur Créer.
Vertex AI Workbench configure l'instance JupyterLab et crée votre notebook JupyterLab. Enregistrez l'URL du notebook pour y accéder ultérieurement.
Après avoir créé un notebook JupyterLab dans Vertex AI Workbench, ouvrez l'environnement de développement intégré (IDE) dans l'environnement JupyterLab. Pour en savoir plus, consultez Ouvrir un notebook JupyterLab.
Ouvrir un notebook JupyterLab
Saisissez l'URL d'un notebook JupyterLab dans un navigateur Web pour l'ouvrir. Si vous ne connaissez pas l'URL, procédez comme suit pour ouvrir le notebook :
- Connectez-vous à la console GDC et sélectionnez votre projet.
- Dans le menu de navigation, cliquez sur Vertex AI > Workbench.
- Recherchez le notebook JupyterLab que vous souhaitez ouvrir, puis cliquez sur Ouvrir JupyterLab pour ouvrir l'IDE de l'instance JupyterLab.
- Si vous êtes invité à vous authentifier, suivez la procédure d'authentification de votre fournisseur d'identité.
- Dans l'instance JupyterLab, ouvrez le notebook JupyterLab.
Partagez l'URL d'un notebook JupyterLab avec d'autres utilisateurs pour qu'ils puissent l'ouvrir également. L'utilisateur concerné doit disposer du rôle Lecteur de notebooks Workbench.
Utiliser les services Vertex AI à partir d'un notebook JupyterLab
Utilisez des bibliothèques clientes pour interagir avec un service Vertex AI à partir d'un notebook JupyterLab. Les bibliothèques clientes Vertex AI vous permettent d'effectuer des appels d'API de manière programmatique vers n'importe quel service Vertex AI sur Distributed Cloud.
Pour utiliser un service Vertex AI à partir d'un notebook JupyterLab, procédez comme suit :
- Activez l'API Vertex AI correspondante.
- Installez la bibliothèque cliente Vertex AI correspondante.
- Créez un notebook JupyterLab.
- Ouvrez le notebook JupyterLab et utilisez-le pour écrire du code avec les bibliothèques clientes Vertex AI. Par exemple, vous pouvez traduire du texte à l'aide de la bibliothèque cliente Vertex AI Translation.
Supprimer une instance JupyterLab
Pour supprimer une instance JupyterLab :
- Connectez-vous à la console GDC et sélectionnez votre projet.
- Dans le menu de navigation, cliquez sur Vertex AI > Workbench.
- Recherchez le notebook associé à l'instance JupyterLab que vous souhaitez supprimer.
- Cochez la case du notebook JupyterLab.
- Cliquez sur Supprimer.
- Dans la boîte de dialogue Supprimer les notebooks, cliquez sur Supprimer.
Mettre à jour une instance JupyterLab
Une fois que votre opérateur d'infrastructure (IO) a mis à jour Distributed Cloud, vous pouvez mettre à jour vos instances JupyterLab.
Suivez ces étapes pour chaque instance JupyterLab que vous souhaitez mettre à jour :
- Enregistrez les fichiers de l'instance JupyterLab que vous souhaitez conserver dans un bucket de stockage. Pour en savoir plus, consultez Importer et télécharger des objets de stockage dans des projets.
- Après la mise à jour, connectez-vous à la console GDC et sélectionnez votre projet.
- Configurez une instance JupyterLab. Vertex AI Workbench crée une instance JupyterLab avec une nouvelle version de JupyterLab. Par exemple, la nouvelle instance JupyterLab contient les mises à jour de la bibliothèque cliente de Distributed Cloud.
- Copiez les fichiers du bucket de stockage de l'ancienne instance JupyterLab vers la nouvelle instance JupyterLab.
Vous pouvez supprimer la version précédente de votre instance JupyterLab. Pour en savoir plus, consultez Supprimer une instance JupyterLab.