Configura Vertex AI Experiments

Vertex AI Experiments es compatible con el SDK de Vertex AI para Python y la consola de Google Cloud. Vertex AI Experiments requiere y depende de Vertex ML Metadata.

Configurar

1. Accede a tu cuenta de Google Cloud. Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

2. En la página del selector de proyectos de la consola de Google Cloud, selecciona o crea un proyecto de Google Cloud.

   Ir al selector de proyectos

3. Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.

4. Habilita la API necesaria.

   Habilita la API

5. En la página del selector de proyectos de la consola de Google Cloud, selecciona o crea un proyecto de Google Cloud.

   Ir al selector de proyectos

6. Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.

7. Habilita la API necesaria.

   Habilita la API

8. Crear una cuenta de servicio. Consulta Crea una cuenta de servicio con los permisos necesarios.
9. Instala el SDK de Vertex AI para Python
10. Verifica la existencia del almacén de metadatos de default en tu proyecto. (obligatorio)
    • Para ver si tu proyecto tiene el almacén de metadatos default, ve a la página Metadata en la consola de Google Cloud.
    • Si el almacén de metadatos default no existe, se crea cuando
      • ejecutas el primer PipelineJob,
      • o crea tu primer experimento en el SDK de Vertex AI para Python.
        Opcional: Para configurar con CMEK, consulta Configura el almacén de metadatos de tu proyecto.

Ubicaciones admitidas

En la tabla Disponibilidad de las funciones, se enumeran las ubicaciones disponibles para Vertex AI Experiments. Cuando usas Vertex AI Pipelines o Vertex AI Tensorboard, deben estar en la misma ubicación que tu experimento de Vertex AI.

¿Qué sigue?

• Crea un experimento

Instructivos de notebook relevantes

1. Comparación de modelos entrenados y evaluados
2. Entrenamiento de modelos con código precompilado de procesamiento previo de datos
3. Compara ejecuciones de canalizaciones
4. Registro automático