Vertex AI est la plateforme ML managée de GCP, et elle s'attaque de deux façons : pour les données et les modèles qu'elle détient (datasets d'entraînement, artefacts de modèles ajustés dans GCS), et en tant que calcul s'exécutant sous un compte de service. Un notebook managé ou un job d'entraînement personnalisé s'exécute sous un compte de service attaché ; en créer un constitue donc un chemin de déploiement sous compte de service, et le serveur de métadonnées du notebook distribue le jeton de ce compte.
Vol de modèles et de datasets#
gcloud ai models list --region <region>
gcloud ai models upload --help # (inverse: export/download artifacts from the model's GCS URI)
gsutil -m cp -r gs://<model-bucket>/ . # pull the artifacts the model points at
gcloud ai datasets list --region <region>
Le notebook comme point d'appui sur un compte de service#
# a notebook runs as --service-account; from inside it, read the token
curl -s -H 'Metadata-Flavor: Google' \
'http://metadata.google.internal/computeMetadata/v1/instance/service-accounts/default/token'
Notes d'exploitation#
- Créer un notebook ou un job d'entraînement avec un
--service-accountprivilégié est l'angle d'élévation de privilèges et est traité dans actAs: Vertex AI notebook ; cette page porte sur le vol de données et de modèles. - Les artefacts de modèles et les données d'entraînement résident dans des buckets GCS ; les objets Vertex pointent vers eux, de sorte que l'accès au bucket raccourcit souvent l'ensemble du service.
Outils#
- gcloud (
ai models,ai custom-jobs,notebooks instances). - gsutil : récupérer les artefacts de modèles et de datasets depuis GCS.