Images Agent Platform Workbench

Chaque instance Gemini Enterprise Agent Platform Workbench s'exécute sur une image créée et gérée par Google. L'image détermine le système d'exploitation, la version Python, les frameworks de ML préinstallés (tels que TensorFlow et PyTorch), la pile GPU et CUDA, ainsi que l'environnement JupyterLab avec lequel votre instance démarre.

Agent Platform Workbench fournit deux types d'images mutuellement exclusifs :

  • Images de VM : images de démarrage créées par Google qui installent le système d'exploitation, les frameworks, les noyaux et JupyterLab directement sur l'hôte de l'instance.
  • Conteneurs personnalisés : image de conteneur de base fournie par Google que vous pouvez étendre avec vos propres packages, noyaux et configuration JupyterLab. Votre conteneur s'exécute sur un hôte géré par Google. Utilisez des conteneurs personnalisés pour des environnements reproductibles et préprovisionnés que vous réutilisez sur plusieurs instances.

Pour comparer les deux types d'images et en choisir un, consultez Choisir un type d'image.

Choisir un type d'image

Utilisez le tableau suivant pour choisir le type qui correspond à votre workflow. Pour en savoir plus sur le contenu, les versions et le cycle de vie de chaque image, consultez Gestion des versions et cycle de vie des images.

Option Images de VM Conteneurs personnalisés
Description Image de démarrage créée par Google qui installe le système d'exploitation, les frameworks, les noyaux et JupyterLab directement sur l'hôte de l'instance. Conteneur de base fourni par Google qui s'exécute sur un hôte géré par Google.
Système d'exploitation Debian Hôte : Container-Optimized OS (COS), géré par Google
Conteneur : Ubuntu
Personnalisation Ajoutez des packages et des environnements micromamba à une instance en cours d'exécution. L'image elle-même est gérée par Google et immuable. Créez une image de conteneur personnalisé à l'avance et réutilisez-la sur plusieurs instances.
Accès à l'hôte Accès complet à l'hôte de l'instance. L'hôte COS est géré par Google et n'est pas modifiable.
Application idéale Expérience par défaut ; charges de travail nécessitant un accès hôte ou des processus système personnalisés. Environnements personnalisés que vous pouvez déployer à grande échelle.
Comment créer Créer une instance avec une version spécifique Créer une instance avec un conteneur personnalisé

Images de VM Agent Platform Workbench

Les images de VM Agent Platform Workbench sont des images privées, créées par Google, qui provisionnent les packages et les noyaux requis directement sur la machine hôte. Agent Platform Workbench est compatible avec les images de VM basées sur Debian. Une VM s'installe directement sur l'hôte de l'instance, ce qui vous permet d'interagir avec la machine hôte.

Pour créer une instance sur une version d'image de VM spécifique, consultez Créer une instance avec une version d'image spécifique.

Conteneurs personnalisés Agent Platform Workbench

Un conteneur personnalisé vous permet d'importer une image personnalisée dans les instances Agent Platform Workbench à l'aide d'un conteneur Docker. Utilisez un conteneur personnalisé pour distribuer des packages, des noyaux et un environnement JupyterLab prêts à l'emploi sans les créer au démarrage de l'instance.

Vous commencez par une image de conteneur de base fournie par Google, vous l'étendez avec ce dont vous avez besoin, puis vous provisionnez des instances Agent Platform Workbench à partir du conteneur que vous créez. Google publie deux variantes de l'image de conteneur de base :

  • Standard : compatible avec toutes les fonctionnalités Agent Platform Workbench. Inclut des packages de science des données préinstallés, des bibliothèques CUDA, Cloud de Confiance by S3NS des intégrations JupyterLab (BigQuery et Managed Service for Apache Spark), des packages système courants et une gestion des noyaux basée sur micromamba.
  • Slim : image de base minimale avec JupyterLab, configuration JupyterLab basée sur les métadonnées et gestion des noyaux basée sur micromamba. Vous installez tous les packages ou extensions supplémentaires.

Votre conteneur s'exécute sur un hôte géré par Google, basé sur Container-Optimized OS (COS), qui fournit des fonctionnalités telles que l'arrêt en cas d'inactivité, l'agent proxy et la télémétrie des services. Pour en savoir plus, consultez Fonctionnalités et avantages de Container-Optimized OS.

Pour connaître les URI, les tailles et les versions Python compatibles de l'image de base, consultez Créer un conteneur personnalisé. Pour connaître les contraintes, consultez Limites des conteneurs personnalisés.

Packages pré-installés

Vous pouvez configurer les images Agent Platform Workbench de manière à inclure les éléments suivants :

  • Des frameworks de ML spécifiques (par exemple, TensorFlow et PyTorch) et leurs packages associés.
  • Python avec des packages de science des données courants tels que numpy, scipy, matplotlib, pandas, nltk, pillow, scikit-image, opencv-python et scikit-learn, entre autres.
  • Environnements de notebook JupyterLab pour un prototypage rapide.
  • Packages NVIDIA, y compris le pilote NVIDIA, CUDA, cuDNN et NCCL, pour les instances compatibles GPU.

Étape suivante