メインコンテンツへスキップ
W&B Launch を使用して、Vertex AI のトレーニングジョブとしてジョブを送信し実行することができます。Vertex AI トレーニングジョブでは、Vertex AI プラットフォーム上で提供されているアルゴリズム、またはカスタムアルゴリズムを使用して 機械学習 モデルを トレーニング できます。 Launch ジョブが開始されると、Vertex AI が基盤となる インフラストラクチャー 、スケーリング、オーケストレーション を管理します。 W&B Launch は、google-cloud-aiplatform SDK の CustomJob クラスを介して Vertex AI と連携します。CustomJob の パラメータ は、 Launch キューの 設定 で制御できます。Vertex AI は、Google Cloud 外部のプライベートレジストリからイメージをプルするように設定することはできません。つまり、Vertex AI を W&B Launch で使用する場合、コンテナイメージを Google Cloud または公開レジストリに保存する必要があります。コンテナイメージを Vertex ジョブからアクセス可能にする方法の詳細については、Vertex AI のドキュメントを参照してください。

​
事前準備

  1. Vertex AI API が有効な Google Cloud プロジェクトを作成またはアクセスします。 API の有効化に関する詳細は、Google Cloud API コンソールのドキュメントを参照してください。
  2. Google Cloud Artifact Registry リポジトリを作成 して、Vertex で実行するイメージを保存します。詳細は Google Cloud Artifact Registry のドキュメントを参照してください。
  3. ステージング用の GCS バケットを作成 して、Vertex AI が メタデータ を保存できるようにします。この バケット は、ステージング バケット として使用するために、Vertex AI のワークロードと同じリージョンにある必要があることに注意してください。同じ バケット をステージングとビルドコンテキストの両方に使用できます。
  4. サービスアカウントを作成 し、Vertex AI ジョブを起動するために必要な権限を付与します。サービスアカウントへの権限割り当てに関する詳細は、Google Cloud IAM のドキュメントを参照してください。
  5. 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
権限リソーススコープ説明
aiplatform.customJobs.create指定した Google Cloud プロジェクトプロジェクト内での新しい 機械学習 ジョブの作成を許可します。
aiplatform.customJobs.list指定した Google Cloud プロジェクトプロジェクト内の 機械学習 ジョブの一覧表示を許可します。
aiplatform.customJobs.get指定した Google Cloud プロジェクト特定の 機械学習 ジョブに関する 情報 の取得を許可します。
Vertex AI ワークロードに標準以外のサービスアカウントの ID を使用させたい場合は、サービスアカウントの作成と必要な権限について Vertex AI のドキュメントを参照してください。 Launch キュー 設定 の spec.service_account フィールドを使用して、W&B Runs 用のカスタムサービスアカウントを選択できます。

​
Vertex AI 用のキューを設定する

Vertex AI リソースのキュー 設定 では、Vertex AI Python SDK の CustomJob コンストラクタへの入力、および CustomJob の run メソッド への入力を指定します。リソースの 設定 は、spec キーと run キーの下に保存されます。
  • spec キーには、Vertex AI Python SDK における CustomJob コンストラクタ の名前付き 引数 の 値 が含まれます。
  • run キーには、Vertex AI Python SDK における CustomJob クラスの run メソッド の名前付き 引数 の 値 が含まれます。
実行 環境 のカスタマイズは、主に spec.worker_pool_specs リストで行われます。ワーカープールスペックは、ジョブを実行するワーカーのグループを定義します。デフォルト 設定 のワーカースペックでは、アクセラレータなしの単一の n1-standard-4 マシンを要求します。必要に応じて、マシンタイプ、アクセラレータタイプ、および数を変更できます。 利用可能なマシンタイプとアクセラレータタイプの詳細については、Vertex AI ドキュメントを参照してください。

​
キューを作成する

コンピューティングリソースとして Vertex AI を使用するキューを W&B アプリで作成します。
  1. Launch ページ に移動します。
  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 フィールド内に、前のセクションで定義した Vertex AI CustomJob に関する 情報 を入力します。デフォルトでは、W&B は以下のような YAML および JSON のリクエストボディを自動入力します。
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: <REQUIRED>
run:
  restart_job_on_worker_restart: false
  1. キューを 設定 したら、Create Queue ボタンをクリックします。
最低限、以下を指定する必要があります。
  • spec.worker_pool_specs : ワーカープール仕様の空でないリスト。
  • 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される GCS バケット。
一部の Vertex AI ドキュメントでは、ワーカープール仕様のすべての キー がキャメルケース（例：workerPoolSpecs）で示されています。Vertex AI Python SDK では、これらの キー にスネークケース（例：worker_pool_specs）を使用します。Launch キュー 設定 のすべての キー はスネークケースを使用する必要があります。

​
Launch エージェントを設定する

Launch エージェント は、デフォルトで ~/.config/wandb/launch-config.yaml にある設定ファイルを通じて 設定 可能です。 
max_jobs: <n-concurrent-jobs> # 同時実行ジョブの最大数
queues:
  - <queue-name> # キュー名
Launch エージェント に Vertex AI で実行されるイメージをビルドさせたい場合は、Advanced agent set up を参照してください。

​
エージェントの権限を設定する

このサービスアカウントとして認証する方法は複数あります。これは、Workload Identity、ダウンロードしたサービスアカウントの JSON、 環境 変数、Google Cloud Platform コマンドライン ツール、またはこれらの方法の組み合わせによって実現できます。