Configura Vertex AI TensorBoard

Los siguientes elementos son necesarios para configurar Vertex AI TensorBoard:

1. Crea una cuenta de servicio con los permisos necesarios
2. Crea un bucket de Cloud Storage para almacenar registros de Vertex AI TensorBoard
3. Crea una instancia de Vertex AI TensorBoard

Crea una cuenta de servicio con los permisos necesarios

La integración de Vertex AI TensorBoard con la capacitación personalizada requiere conectar una cuenta de servicio.

1. Crea una cuenta de servicio:

   gcloud --project=PROJECT_ID iam service-accounts create USER_SA_NAME
   

   Reemplaza lo siguiente:

   • PROJECT_ID: Es el ID del proyecto en el que crearás una cuenta de servicio.

   • USER_SA_NAME: un nombre único para la cuenta de servicio que creas

2. El servicio de capacitación de Vertex AI usa la cuenta de servicio nueva para acceder a los servicios y recursos de Google Cloud. Usa los siguientes comandos para otorgar estas funciones si es necesario:

   SA_EMAIL="USER_SA_NAME@PROJECT_ID.iam.gserviceaccount.com"
   
   gcloud projects add-iam-policy-binding PROJECT_ID \
      --member="serviceAccount:${SA_EMAIL}" \
      --role="roles/storage.admin"
   
   gcloud projects add-iam-policy-binding PROJECT_ID \
      --member="serviceAccount:${SA_EMAIL}" \
      --role="roles/aiplatform.user"
   

Crea un bucket de Cloud Storage para almacenar registros de Vertex AI TensorBoard

Se requiere un bucket de Cloud Storage para almacenar los registros de TensorBoard de Vertex AI que genera la secuencia de comandos de capacitación. El bucket debe ser regional, es decir, no debe ser multirregión ni birregional y los siguientes recursos deben estar en la misma región:

• Bucket de Cloud Storage
• Trabajo de capacitación de Vertex AI
• Instancia de Vertex AI TensorBoard

Puedes usar un bucket existente en lugar de seguir el paso de creación de buckets que se describe aquí. Cuando usas un bucket existente, la REGION del bucket debe estar en la misma región en la que se creó la instancia de Vertex AI TensorBoard.

LOCATION=LOCATION_ID
GCS_BUCKET_NAME="PROJECT_ID-tensorboard-logs-${LOCATION_ID}"
gsutil mb -l ${LOCATION_ID} "gs://${GCS_BUCKET_NAME}"

Reemplaza LOCATION_ID por la región en la que se creó la instancia de Vertex AI TensorBoard, por ejemplo, us-central1.

Crea una instancia de Vertex AI TensorBoard

Debe haber una instancia de TensorBoard de Vertex AI, que es un recurso regionalizado que almacena tus experimentos de TensorBoard de Vertex AI, antes de que se puedan visualizar los experimentos. Existen dos opciones: Puedes usar una instancia predeterminada o crear una de forma manual. Puedes crear varias instancias dentro de un proyecto y una región. Sin embargo, la mayoría de los usuarios solo necesitan una instancia.

Usa la instancia predeterminada de Vertex AI TensorBoard

Cuando se inicia un experimento de Vertex AI, se crea una instancia de TensorBoard predeterminada. Este TensorBoard de respaldo está asociado con el experimento de Vertex AI y se usa con todas las ejecuciones posteriores de Vertex AI Experiments. Esta es la forma más fácil de comenzar a usar Vertex AI TensorBoard y debe satisfacer la mayoría de las necesidades de los usuarios.

def create_experiment_default_tensorboard_sample(
    experiment_name: str,
    experiment_description: str,
    project: str,
    location: str,
):
    aiplatform.init(
        experiment=experiment_name,
        experiment_description=experiment_description,
        project=project,
        location=location,
    )

Crea manualmente una instancia de TensorBoard de Vertex AI

Puedes crear un TensorBoard de Vertex AI de forma manual Esto es útil para los usuarios que se sienten más cómodos con la consola de Google Cloud, los usuarios que necesitan una TensorBoard habilitada con CMEK (consulta CMEK) o los usuarios que desean usar varios TensorBoards. Esta instancia se puede especificar directamente cuando se inicia un experimento de Vertex AI, se inicia una ejecución de experimento o se configura el código de capacitación.

def create_tensorboard_sample(
    project: str,
    location: str,
    display_name: Optional[str] = None,
):
    aiplatform.init(project=project, location=location)

    tensorboard = aiplatform.Tensorboard.create(
        display_name=display_name,
        project=project,
        location=location,
    )

    aiplatform.init(
        project=project,
        location=location,
        experiment_tensorboard=tensorboard
    )

    return tensorboard

resource "google_vertex_ai_tensorboard" "default" {
  display_name = "vertex-ai-tensorboard-sample-name"
  region       = "us-central1"
}

Borra una instancia de TensorBoard

Cuando se borra una instancia de TensorBoard, se borra ese TensorBoard y todos los experimentos y ejecuciones de TensorBoard asociados. No se borrarán los Vertex AI Experiments con los que se asocia la instancia.

Para borrar un experimento de Vertex AI y sus experimentos de Vertex AI TensorBoard asociados, consulta Borra un experimento.

def delete_tensorboard_instance_sample(
    tensorboard_resource_name: str,
    project: str,
    location: str,
):
    aiplatform.init(project=project, location=location)

    tensorboard = aiplatform.Tensorboard(
        tensorboard_name=tensorboard_resource_name
    )

    tensorboard.delete()

Términos relevantes

Se hace referencia a estos términos, “Nombre de recurso de TensorBoard” y “ID de instancia de TensorBoard” en varias muestras.

Nombre del recurso de TensorBoard

El nombre del recurso de TensorBoard se usa para identificar por completo la instancia de Vertex AI TensorBoard. El formato es el siguiente:

projects/PROJECT_ID_OR_NUMBER/locations/REGION/tensorboards/TENSORBOARD_INSTANCE_ID

El nombre del recurso de TensorBoard se imprime en los mensajes de registro cuando se crea mediante la gcloud CLI o el SDK de Vertex AI, o se puede crear si proporcionas los valores adecuados para los marcadores de posición.

ID de instancia de TensorBoard

El ID de instancia de TensorBoard es un valor de ID generado y asociado con una instancia de TensorBoard. Para encontrar el TENSORBOARD_INSTANCE_ID, ve a la sección Vertex AI de la página Experimentos de la consola de Google Cloud y luego elige la pestaña Instancias de TensorBoard