Configurer Ray sur Vertex AI

Avant de commencer à utiliser Ray sur Vertex AI, suivez la procédure permettant de configurer votre projet Google, le SDK Vertex AI pour Python et le réseau d'appairage de VPC :

  1. Suivez les étapes de la section Configurer un projet et un environnement de développement pour configurer la facturation de votre projet, activer l'API Vertex AI et installer la gcloud CLI.

  2. Si vous ne l'avez pas déjà fait, activez l'API Compute Engine et l'API Service Networking :

    Activer les API

  3. Prérequis : vous devez savoir comment développer des programmes à l'aide de Ray Open Source.

  4. Configurez un réseau d'appairage VPC et une connexion aux services privés pour accéder à Vertex AI. Pour vous connecter au nœud principal Ray sur le cluster Ray sur Vertex AI à l'aide du SDK Vertex AI pour Python, l'environnement de connexion (par exemple, VM Compute Engine ou notebook Vertex AI Workbench) doit se trouver sur le même réseau VPC appairé.

    • Si vous utilisez Ray sur Vertex AI dans la console Google Cloud, vous pouvez configurer votre connexion d'accès aux services privés lors de la création du cluster Ray sur Vertex AI.

    • La meilleure configuration pour Ray sur Vertex AI consiste à utiliser un réseau VPC en mode automatique par projet. Vous pouvez rencontrer des problèmes si vous utilisez un réseau VPC en mode personnalisé ou si vous utilisez plusieurs réseaux VPC pour créer des clusters dans le même projet.

  5. Le SDK Vertex AI pour Python utilisé ici est une version qui inclut les fonctionnalités du client Ray, du connecteur BigQuery pour Ray, de Ray Serve sur Vertex AI et de gestion des clusters Ray 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 sur Vertex AI.

    • 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 2.9
# The latest supported Python version is Python 3.10.
$ pip install google-cloud-aiplatform[ray]

      Après avoir installé le SDK, redémarrez le noyau avant d'importer les packages.

  6. Le nombre total maximal de nœuds dans le cluster Ray sur Vertex AI que vous pouvez faire évoluer (M) dépend du nombre total initial de nœuds que vous avez configurés (N). Après avoir créé le cluster Ray sur Vertex AI, vous pouvez adapter le nombre total de nœuds à une valeur comprise entre P et M inclus, où P correspond au nombre de pools de votre cluster.

    En supposant f(x) = min(29, (32 - ceiling(log2(x))), utilisez les formules suivantes pour vous assurer de ne pas dépasser le nombre maximal de nœuds (M) :

    • f(2 * M) = f(2 * N)
    • f(64 * M) = f(64 * N)
    • f(max(32, 16 + M)) = f(max(32, 16 + N))

  7. (Facultatif) Si vous envisagez de lire des données depuis BigQuery, vous devez créer un ensemble de données BigQuery ou utiliser un ensemble de données existant.

Pays acceptés

Le tableau Fonctionnalités disponibles pour l'entraînement de modèles personnalisés répertorie les emplacements disponibles pour Ray sur Vertex AI.

Étapes suivantes