Menjalankan tugas pelatihan kustom pada resource persisten

Halaman ini menunjukkan cara menjalankan tugas pelatihan kustom pada resource persisten menggunakan Google Cloud CLI, Vertex AI SDK untuk Python, dan REST API.

Biasanya, saat membuat tugas pelatihan kustom, Anda perlu menentukan resource komputasi yang dibuat dan dijalankan oleh tugas tersebut. Setelah membuat resource persisten, Anda dapat mengonfigurasi tugas pelatihan kustom untuk dijalankan di satu atau beberapa kumpulan resource dari resource persisten tersebut. Menjalankan tugas pelatihan kustom pada resource persisten akan mengurangi waktu startup tugas secara signifikan yang biasanya diperlukan untuk pembuatan resource komputasi.

Peran yang diperlukan

Untuk mendapatkan izin yang diperlukan untuk menjalankan tugas pelatihan kustom pada resource persisten, minta administrator Anda untuk memberi Anda peran IAM Vertex AI User (roles/aiplatform.user) di project Anda. Untuk mengetahui informasi selengkapnya tentang cara memberikan peran, lihat Mengelola akses ke project, folder, dan organisasi.

Peran bawaan ini berisi izin aiplatform.customJobs.create , yang diperlukan untuk menjalankan tugas pelatihan kustom pada resource persisten.

Anda mungkin juga bisa mendapatkan izin ini dengan peran khusus atau peran bawaan lainnya.

Membuat tugas pelatihan yang berjalan di resource persisten

Untuk membuat tugas pelatihan kustom yang berjalan pada resource persisten, lakukan modifikasi berikut pada petunjuk standar untuk membuat tugas pelatihan kustom:

def create_custom_job_on_persistent_resource_sample(
    project: str,
    location: str,
    staging_bucket: str,
    display_name: str,
    container_uri: str,
    persistent_resource_id: str,
    service_account: Optional[str] = None,
) -> None:
    aiplatform.init(
        project=project, location=location, staging_bucket=staging_bucket
    )

    worker_pool_specs = [{
        "machine_spec": {
            "machine_type": "n1-standard-4",
            "accelerator_type": "NVIDIA_TESLA_K80",
            "accelerator_count": 1,
        },
        "replica_count": 1,
        "container_spec": {
            "image_uri": container_uri,
            "command": [],
            "args": [],
        },
    }]

    custom_job = aiplatform.CustomJob(
        display_name=display_name,
        worker_pool_specs=worker_pool_specs,
        persistent_resource_id=persistent_resource_id,
    )

    custom_job.run(service_account=service_account)

Langkah berikutnya

• Mempelajari resource persisten.
• Membuat dan menggunakan resource persisten.
• Mendapatkan informasi tentang resource persisten.
• Mulai ulang resource persisten.
• Menghapus resource persisten.