ExecutionTemplate

La descrizione di un workload di esecuzione del notebook.

Rappresentazione JSON 
{
  "scaleTier": enum (ScaleTier),
  "masterType": string,
  "acceleratorConfig": {
    object (SchedulerAcceleratorConfig)
  },
  "labels": {
    string: string,
    ...
  },
  "inputNotebookFile": string,
  "containerImageUri": string,
  "outputNotebookFolder": string,
  "paramsYamlFile": string,
  "parameters": string,
  "serviceAccount": string,
  "jobType": enum (JobType),
  "kernelSpec": string,
  "tensorboard": string,

  // The following is a list of mutually exclusive fields. At most one of the
  // fields will be set in a response:
  "dataprocParameters": {
    object (DataprocParameters)
  },
  "vertexAiParameters": {
    object (VertexAIParameters)
  }
  // End of mutually exclusive fields.
}
Campi
scaleTier
(deprecated)

enum (ScaleTier)

Obbligatorio. Livello di scalabilità dell'hardware utilizzato per l'esecuzione del notebook. DEPRECATO Non sarà più disponibile. Al momento è supportato solo CUSTOM.
masterType

string

Specifica il tipo di macchina virtuale da utilizzare per il master worker del job di addestramento. Devi specificare questo campo quando scaleTier è impostato su CUSTOM.

Puoi utilizzare determinati tipi di macchine Compute Engine direttamente in questo campo. Sono supportati i seguenti tipi:

  • n1-standard-4
  • n1-standard-8
  • n1-standard-16
  • n1-standard-32
  • n1-standard-64
  • n1-standard-96
  • n1-highmem-2
  • n1-highmem-4
  • n1-highmem-8
  • n1-highmem-16
  • n1-highmem-32
  • n1-highmem-64
  • n1-highmem-96
  • n1-highcpu-16
  • n1-highcpu-32
  • n1-highcpu-64
  • n1-highcpu-96

In alternativa, puoi utilizzare i seguenti tipi di macchine legacy:

  • standard
  • large_model
  • complex_model_s
  • complex_model_m
  • complex_model_l
  • standard_gpu
  • complex_model_m_gpu
  • complex_model_l_gpu
  • standard_p100
  • complex_model_m_p100
  • standard_v100
  • large_model_v100
  • complex_model_m_v100
  • complex_model_l_v100

Infine, se vuoi utilizzare una TPU per l'addestramento, specifica cloud_tpu in questo campo. Scopri di più sulle opzioni di configurazione speciali per l'addestramento con la TPU.
acceleratorConfig

object (SchedulerAcceleratorConfig)

Configurazione (conteggio e tipo di acceleratore) per l'hardware che esegue l'esecuzione del notebook.
labels

map (key: string, value: string)

Etichette per l'esecuzione. Se l'esecuzione è pianificata, verrà incluso un campo "nbs-scheduled". In caso contrario, si tratta di un'esecuzione immediata e il campo incluso sarà "nbs-immediate". Utilizza i campi per indicizzare in modo efficiente i vari tipi di esecuzione.

Un oggetto contenente un elenco di coppie "key": value. Esempio: { "name": "wrench", "mass": "1.3kg", "count": "3" }.
inputNotebookFile

string

Percorso del file notebook da eseguire. Deve trovarsi in un bucket Google Cloud Storage. Formato: gs://{bucket_name}/{folder}/{notebook_file_name} Esempio: gs://notebook_user/scheduled_notebooks/sentiment_notebook.ipynb
containerImageUri

string

URI dell'immagine container di un esempio di DLVM: "gcr.io/deeplearning-platform-release/base-cu100". Altri esempi sono disponibili all'indirizzo: https://cloud.google.com/ai-platform/deep-learning-containers/docs/choosing-container
outputNotebookFolder

string

Percorso della cartella del notebook in cui scrivere. Deve trovarsi in un percorso del bucket Google Cloud Storage. Formato: gs://{bucket_name}/{folder} Esempio: gs://notebook_user/scheduled_notebooks
paramsYamlFile

string

Parametri da sostituire nel notebook durante l'esecuzione. Consulta https://papermill.readthedocs.io/en/latest/usage-parameterize.html per informazioni su come specificare i parametri nel notebook di input e passarli qui in un file YAML. Esempio: gs://notebook_user/scheduled_notebooks/sentiment_notebook_params.yaml
parameters

string

Parametri utilizzati nel notebook "inputNotebookFile".
serviceAccount

string

L'indirizzo email di un account di servizio da utilizzare durante l'esecuzione. Devi disporre dell'autorizzazione iam.serviceAccounts.actAs per il account di servizio specificato.
jobType

enum (JobType)

Il tipo di job da utilizzare in questa esecuzione.
kernelSpec

string

Nome della specifica del kernel da utilizzare. Deve essere specificato se il nome della specifica del kernel nella destinazione di esecuzione non corrisponde al nome nel file del notebook di input.
tensorboard

string

Il nome di una risorsa [TensorBoard] Vertex AI a cui questa esecuzione caricherà i log di TensorBoard. Formato: projects/{project}/locations/{location}/tensorboards/{tensorboard}
Parametri per un tipo di esecuzione. NOTA: al momento non sono disponibili parametri aggiuntivi per i job VertexAI. Di seguito è riportato un elenco di campi che si escludono a vicenda. In una risposta verrà impostato al massimo uno dei campi:
dataprocParameters

object (DataprocParameters)

Parametri utilizzati nelle esecuzioni di JobType Dataproc.
vertexAiParameters

object (VertexAIParameters)

Parametri utilizzati nelle esecuzioni di JobType di Vertex AI.
Fine dei campi che si escludono a vicenda.

ScaleTier

Obbligatorio. Specifica i tipi di macchina, il numero di repliche per i worker e i server dei parametri.

Enum
SCALE_TIER_UNSPECIFIED Livello di scala non specificato.
BASIC Una singola istanza worker. Questo livello è adatto per imparare a utilizzare Cloud ML e per sperimentare nuovi modelli utilizzando piccoli set di dati.
STANDARD_1 Molti worker e alcuni server dei parametri.
PREMIUM_1 Un numero elevato di worker con molti server dei parametri.
BASIC_GPU Una singola istanza worker con una GPU K80.
BASIC_TPU Una singola istanza worker con una Cloud TPU.
CUSTOM

Il livello CUSTOM non è un livello predefinito, ma ti consente di utilizzare le tue specifiche del cluster. Quando utilizzi questo livello, imposta i valori per configurare il cluster di elaborazione in base a queste linee guida:

  • Devi impostare ExecutionTemplate.masterType per specificare il tipo di macchina da utilizzare per il nodo master. Questa è l'unica impostazione obbligatoria.

SchedulerAcceleratorConfig

Definizione di un acceleratore hardware. Tieni presente che non tutte le combinazioni di type e coreCount sono valide. Consulta la sezione GPU su Compute Engine per trovare una combinazione valida. Le TPU non sono supportate.

Rappresentazione JSON 
{
  "type": enum (SchedulerAcceleratorType),
  "coreCount": string
}
Campi
type

enum (SchedulerAcceleratorType)

Tipo di questo acceleratore.
coreCount

string (int64 format)

Conteggio dei core di questo acceleratore.

SchedulerAcceleratorType

Tipi di acceleratori hardware per i job AI Platform Training.

Enum
SCHEDULER_ACCELERATOR_TYPE_UNSPECIFIED Tipo di acceleratore non specificato. Il valore predefinito è nessuna GPU.
NVIDIA_TESLA_K80 GPU Nvidia Tesla K80.
NVIDIA_TESLA_P100 GPU Nvidia Tesla P100.
NVIDIA_TESLA_V100 GPU Nvidia Tesla V100.
NVIDIA_TESLA_P4 GPU Nvidia Tesla P4.
NVIDIA_TESLA_T4 GPU Nvidia Tesla T4.
NVIDIA_TESLA_A100 GPU Nvidia Tesla A100.
TPU_V2 TPU v2.
TPU_V3 TPU v3.

JobType

Il backend utilizzato per questa esecuzione.

Enum
JOB_TYPE_UNSPECIFIED Nessun tipo specificato.
VERTEX_AI Job personalizzato in aiplatform.googleapis.com. Valore predefinito per un'esecuzione.
DATAPROC Esegui l'esecuzione su un cluster con Dataproc come job. https://cloud.google.com/dataproc/docs/reference/rest/v1/projects.regions.jobs

DataprocParameters

Parametri utilizzati nelle esecuzioni di JobType Dataproc.

Rappresentazione JSON 
{
  "cluster": string
}
Campi
cluster

string

URI del cluster utilizzato per eseguire l'esecuzione di Dataproc. Formato: projects/{PROJECT_ID}/regions/{REGION}/clusters/{CLUSTER_NAME}

VertexAIParameters

Parametri utilizzati nelle esecuzioni di JobType di Vertex AI.

Rappresentazione JSON 
{
  "network": string,
  "env": {
    string: string,
    ...
  }
}
Campi
network

string

Il nome completo della rete Compute Engine verso cui deve essere eseguito il peering del job. Ad esempio, projects/12345/global/networks/myVPC. Formato ha la forma projects/{project}/global/networks/{network}. Dove {project} è un numero di progetto, come in 12345, e {network} è un nome di rete.

L'accesso privato ai servizi deve essere già configurato per la rete. Se non specificato, il job non viene sottoposto a peering con alcuna rete.
env

map (key: string, value: string)

Variabili di ambiente. È possibile specificare al massimo 100 variabili di ambiente uniche. Esempio: GCP_BUCKET=gs://my-bucket/samples/

Un oggetto contenente un elenco di coppie "key": value. Esempio: { "name": "wrench", "mass": "1.3kg", "count": "3" }.