Configurar o Vertex AI Experiments

O Experimentos da Vertex AI é compatível com o SDK da Agent Platform para Python e o consoleCloud de Confiance . O Experimentos da Vertex AI requer e depende dos Vertex ML Metadata.

Configurar

  1. In the Cloud de Confiance console, on the project selector page, select or create a Cloud de Confiance project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  2. Verify that billing is enabled for your Cloud de Confiance project.

  3. Enable the required API, if it is not already enabled.

    Roles required to enable APIs

    To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

    Enable the API

  4. Criar uma conta de serviço. Consulte Criar uma conta de serviço com as permissões necessárias.
  5. Instale o SDK da Agent Platform para Python.
  6. Verifique a existência do armazenamento de metadados default no seu projeto. (obrigatório)
    • Para ver se o projeto tem o repositório de metadados default, acesse a página Metadata no console do Cloud de Confiance .
    • Se o repositório de metadados default não existir, ele será criado quando

Locais suportados

A tabela Disponibilidade de recursos lista os locais disponíveis para os experimentos da Vertex AI. Ao usar o Agent Platform Pipelines ou o TensorBoard da Vertex AI, eles precisam estar no mesmo local que seu experimento da Agent Platform.

A seguir

Tutoriais de notebook relevantes

  1. Comparar modelos treinados e avaliados
  2. Treinamento de modelo com código de pré-processamento de dados pré-criado
  3. Compare execuções de pipeline
  4. Geração automática de registros