Immagini di Agent Platform Workbench

Ogni istanza di Gemini Enterprise Agent Platform Workbench viene eseguita su un'immagine creata e gestita da Google. L'immagine determina il sistema operativo, la versione di Python, i framework ML preinstallati (come TensorFlow e PyTorch), lo stack GPU e CUDA e l'ambiente JupyterLab con cui viene avviata l'istanza.

Agent Platform Workbench fornisce due tipi di immagini reciprocamente esclusive:

  • Immagini VM: immagini di avvio create da Google che installano il sistema operativo, framework, kernel e JupyterLab direttamente sull'host dell'istanza.
  • Container personalizzati: un'immagine container di base fornita da Google che puoi estendere con i tuoi pacchetti, kernel e configurazione di JupyterLab. Il container viene eseguito su un host gestito da Google. Utilizza i container personalizzati per ambienti riproducibili e di cui è stato eseguito il provisioning preliminare che riutilizzi in più istanze.

Per confrontare i due tipi di immagini e sceglierne uno, consulta Scegliere un tipo di immagine.

Scegliere un tipo di immagine

Utilizza la seguente tabella per scegliere il tipo più adatto al tuo flusso di lavoro. Per informazioni dettagliate sui contenuti, sulle versioni e sul ciclo di vita di ogni immagine, consulta Controllo delle versioni e ciclo di vita delle immagini.

Opzione Immagini VM Container personalizzati
Descrizione Un'immagine di avvio creata da Google che installa il sistema operativo, i framework, i kernel e JupyterLab direttamente sull'host dell'istanza. Un container di base fornito da Google che viene eseguito su un host gestito da Google.
Sistema operativo Debian Host: Container-Optimized OS (COS), gestito da Google
Container: Ubuntu
Come personalizzare Aggiungi pacchetti e ambienti micromamba a un'istanza in esecuzione. L'immagine stessa è gestita da Google e non è modificabile. Crea in anticipo un'immagine container personalizzata e riutilizzala in più istanze.
Accesso host Accesso completo all'host dell'istanza. L'host COS è gestito da Google e non è modificabile.
Ideale per L'esperienza predefinita; carichi di lavoro che richiedono l'accesso host o processi di sistema personalizzati. Ambienti personalizzati che puoi eseguire il deployment su larga scala.
Come creare Creare un'istanza con una versione specifica Creare un'istanza con un container personalizzato

Immagini VM di Agent Platform Workbench

Le immagini VM di Agent Platform Workbench sono immagini private, create da Google, che eseguono il provisioning dei pacchetti e dei kernel richiesti direttamente sulla macchina host. Agent Platform Workbench supporta le immagini VM basate su Debian. Una VM viene installata direttamente sull'host dell'istanza, quindi puoi interagire con la macchina host.

Per creare un'istanza su una versione immagine specifica della VM, consulta Creare un'istanza con una versione immagine specifica.

Container personalizzati di Agent Platform Workbench

Un container personalizzato ti consente di portare un'immagine personalizzata alle istanze di Agent Platform Workbench utilizzando un container Docker. Utilizza un container personalizzato per distribuire pacchetti, kernel e un ambiente JupyterLab già pronti senza crearli all'avvio dell'istanza.

Inizia con un'immagine container di base fornita da Google, estendila con ciò di cui hai bisogno e poi esegui il provisioning delle istanze di Agent Platform Workbench dal container che crei. Google pubblica due varianti dell'immagine container di base:

  • Standard: supporta tutte le funzionalità di Agent Platform Workbench. Include pacchetti di data science preinstallati, librerie CUDA, Cloud de Confiance by S3NS integrazioni di JupyterLab (BigQuery e Managed Service for Apache Spark), pacchetti di sistema comuni e gestione dei kernel basata su micromamba.
  • Slim: un'immagine di base minima con JupyterLab, configurazione di JupyterLab basata sui metadati e gestione dei kernel basata su micromamba. Installa eventuali pacchetti o estensioni aggiuntivi.

Il container viene eseguito su un host gestito da Google, basato su Container-Optimized OS (COS), che fornisce funzionalità come l'arresto inattivo, l'agente proxy e la telemetria dei servizi. Per ulteriori informazioni, consulta Funzionalità e vantaggi di Container-Optimized OS.

Per gli URI, le dimensioni e le versioni di Python supportate dell'immagine di base, consulta Creare un container personalizzato. Per i vincoli, consulta Limitazioni dei container personalizzati.

Pacchetti preinstallati

Le immagini di Agent Platform Workbench possono essere configurate in modo da includere quanto segue:

  • Framework ML specifici (ad esempio TensorFlow e PyTorch) e i relativi pacchetti di supporto.
  • Python con pacchetti di data science comuni come numpy, scipy, matplotlib, pandas, nltk, pillow, scikit-image, opencv-python e scikit-learn, tra molti altri.
  • Ambienti di notebook JupyterLab per la prototipazione rapida.
  • Pacchetti NVIDIA, inclusi il driver NVIDIA, CUDA, cuDNN e NCCL, per le istanze abilitate alla GPU.

Passaggi successivi