Avant de commencer à utiliser Ray sur Vertex AI, suivez ces étapes pour configurer votre projet Google et le SDK Vertex AI pour Python :
Configurez la facturation de votre projet, installez la gcloud CLI et activez l'API Vertex AI. Pour ce faire, suivez les étapes décrites dans Configurer un projet et un environnement de développement.
Prérequis : Vous devez savoir comment développer des programmes à l'aide de Ray Open Source.
Le SDK Ray sur Vertex AI pour Python utilisé ici est une version du SDK Vertex AI pour Python qui inclut les fonctionnalités du client Ray, du connecteur BigQuery pour Ray, de la gestion des clusters Ray sur Vertex AI et des prédictions sur Vertex AI.
Si vous utilisez Ray sur Vertex AI dans la console Google Cloud , un notebook Colab Enterprise vous guide tout au long du processus d'installation du SDK Vertex AI pour Python après la création d'un cluster Ray.
Si vous utilisez Ray sur Vertex AI dans Vertex AI Workbench ou dans un autre environnement Python interactif, installez le SDK Vertex AI pour Python :
# The latest image in the Ray cluster includes Ray 2.47 # The latest supported Python version is Python 3.11. $ pip install google-cloud-aiplatform[ray]
Après avoir installé le SDK, redémarrez le noyau avant d'importer les packages.
Facultatif : Si vous prévoyez de lire des données depuis BigQuery, créez un ensemble de données BigQuery ou utilisez-en un existant. Pour ce faire, consultez Créer un ensemble de données BigQuery.
(Facultatif) Pour limiter le risque d'exfiltration de données depuis Vertex AI, activez VPC Service Controls et spécifiez un réseau VPC lorsque vous créez un cluster. Pour en savoir plus, consultez la page VPC Service Controls avec Vertex AI.
Si vous activez VPC Service Controls, vous ne pourrez pas accéder aux ressources situées en dehors du périmètre, telles que des fichiers hébergés dans un bucket Cloud Storage.
(Facultatif) Pour utiliser une image de conteneur personnalisé, hébergez-la sur Artifact Registry. Une image personnalisée vous permet d'ajouter des dépendances Python qui ne sont pas incluses dans les images de conteneurs prédéfinies. Pour créer des images personnalisées, consultez la section "Empaqueter votre logiciel" dans la documentation Docker.
(Facultatif) Si vous spécifiez un réseau VPC lors de la création d'un cluster Ray sur Vertex AI, il est fortement recommandé d'utiliser un réseau VPC en mode automatique dans votre projet. Les réseaux VPC en mode personnalisé et les réseaux VPC multiples dans le même projet ne sont pas compatibles et peuvent entraîner l'échec de la création du cluster.
Sécurisez vos clusters
Suivez les consignes et bonnes pratiques concernant Ray, y compris l'exécution de code de confiance sur des réseaux approuvés, afin de sécuriser vos charges de travail Ray. Le déploiement de ray.io dans vos instances cloud s'inscrit dans le cadre du modèle de responsabilité partagée.
Pour en savoir plus sur les bonnes pratiques concernant Google Cloud , consultez le bulletin de sécurité GCP-2024-020.
Pays acceptés
Le tableau Fonctionnalités disponibles répertorie les emplacements disponibles pour Ray sur Vertex AI pour l'entraînement de modèles personnalisés.