チュートリアル: Vertex AI で W&B Launch を設定する

​

前提条件

1. Vertex AI API を有効にした Google Cloud プロジェクトを作成するか、既存のプロジェクトにアクセスできるようにします。 API の有効化の詳細については、Google Cloud API Console のドキュメントを参照してください。
2. Vertex で実行するイメージを保存するための Google Cloud Artifact Registry リポジトリを作成します。詳細については、Google Cloud Artifact Registry のドキュメントを参照してください。
3. Vertex AI がメタデータを保存するための ステージング用 GCS バケットを作成します。ステージングバケットとして使用するには、このバケットを Vertex AI ワークロードと同じリージョンに配置する必要があります。ステージングとビルドコンテキストには同じバケットを使用できます。
4. Vertex AI ジョブを起動するために必要な権限を持つ サービスアカウントを作成します。サービスアカウントへの権限の割り当ての詳細については、Google Cloud IAM のドキュメントを参照してください。
5. 次の表に示すとおり、サービスアカウントに Vertex ジョブを管理する権限を付与します。

​

Vertex AI 用のキューを設定する

• spec キーには、Vertex AI Python SDK の CustomJob コンストラクターの名前付き引数に渡す値を指定します。
• run キーには、Vertex AI Python SDK の CustomJob クラスの run メソッドの名前付き引数に渡す値を指定します。

​

キューを作成する

1. Launch ページにアクセスします。
2. Create Queue ボタンをクリックします。
3. キューを作成する Entity を選択します。
4. Name フィールドにキューの名前を入力します。
5. Resource として Google Cloud Vertex AI を選択します。
6. Configuration フィールドに、Vertex AI 用のキューを設定するで定義した Vertex AI CustomJob の情報を入力します。デフォルトでは、次のような YAML および JSON のリクエストボディが W&B によって自動入力されます。
   spec:
     worker_pool_specs:
       - machine_spec:
           machine_type: n1-standard-4
           accelerator_type: ACCELERATOR_TYPE_UNSPECIFIED
           accelerator_count: 0
         replica_count: 1
         container_spec:
           image_uri: ${image_uri}
     staging_bucket: [STAGING-BUCKET]
   run:
     restart_job_on_worker_restart: false
   
7. キューの設定が完了したら、Create Queue ボタンをクリックします。

• spec.worker_pool_specs: ワーカープール仕様のリスト (空にはできません)。
• spec.staging_bucket: Vertex AI のアセットとメタデータのステージングに使用する GCS バケット。

​

Launch エージェントを設定する

max_jobs: [N-CONCURRENT-JOBS]
queues:
  - [QUEUE-NAME]

​

エージェントの権限を設定する