튜토리얼: Vertex AI에서 W&B Launch 설정

CustomJob 사양과 Artifact Registry를 사용하여 Google Cloud Vertex AI에서 ML 워크로드용 W&B Launch를 설정합니다.

이 튜토리얼에서는 W&B Launch를 구성해 작업을 Vertex AI 트레이닝 작업으로 제출하고 실행하는 방법을 안내합니다. 이를 통해 트레이닝 워크로드를 Google Cloud의 관리형 인프라로 오프로드할 수 있습니다. Vertex AI 트레이닝 작업을 사용하면 Vertex AI 플랫폼에서 제공된 알고리즘 또는 맞춤형 알고리즘으로 머신 러닝 모델을 트레이닝할 수 있습니다. launch 작업을 시작하면 Vertex AI가 기본 인프라, 확장, 오케스트레이션을 관리합니다. 이 가이드는 이미 W&B Launch를 사용하고 있으며 Google Cloud Vertex AI에서 작업을 실행하려는 ML 엔지니어와 플랫폼 관리자를 위한 것입니다.

W&B Launch는 google-cloud-aiplatform SDK의 CustomJob 클래스를 통해 Vertex AI와 연동됩니다. launch 큐 설정을 사용해 CustomJob의 매개변수를 제어할 수 있습니다. Vertex AI가 Google Cloud 외부의 비공개 레지스트리에서 이미지를 가져오도록 설정할 수는 없습니다. 즉, Vertex AI를 W&B Launch와 함께 사용하려면 container image를 Google Cloud 또는 공개 레지스트리에 저장해야 합니다. Vertex 작업이 container image에 액세스할 수 있도록 설정하는 방법에 대한 자세한 내용은 Vertex AI 문서를 참조하세요.

​

사전 요구 사항

Launch 큐를 설정하기 전에 다음 Google Cloud 리소스와 권한이 준비되어 있는지 확인하세요.

1. Vertex AI API가 사용 설정된 Google Cloud 프로젝트를 생성하거나 액세스합니다. API 사용 설정에 대한 자세한 내용은 Google Cloud API Console docs를 참고하세요.
2. Vertex에서 실행할 이미지를 저장할 Google Cloud Artifact Registry 저장소를 생성합니다. 자세한 내용은 Google Cloud Artifact Registry documentation을 참고하세요.
3. Vertex AI가 메타데이터를 저장할 스테이징 GCS 버킷을 생성합니다. 이 버킷은 스테이징 버킷으로 사용되므로 Vertex AI 워크로드와 동일한 리전에 있어야 합니다. 스테이징과 build 컨텍스트에 동일한 버킷을 사용할 수 있습니다.
4. 서비스 계정을 생성합니다. 이 서비스 계정에는 Vertex AI 작업을 시작하는 데 필요한 권한이 있어야 합니다. 서비스 계정에 권한을 부여하는 방법에 대한 자세한 내용은 Google Cloud IAM documentation을 참고하세요.
5. 다음 표와 같이 서비스 계정에 Vertex 작업을 관리할 권한을 부여합니다.

Permission	Resource Scope	Description
aiplatform.customJobs.create	Specified Google Cloud Project	프로젝트 내에서 새 머신러닝 작업을 생성할 수 있습니다.
aiplatform.customJobs.list	Specified Google Cloud Project	프로젝트 내의 머신러닝 작업 목록을 조회할 수 있습니다.
aiplatform.customJobs.get	Specified Google Cloud Project	프로젝트 내의 특정 머신러닝 작업 정보를 조회할 수 있습니다.

Vertex AI 워크로드가 기본이 아닌 서비스 계정의 ID를 사용하도록 하려면, 서비스 계정 생성 방법과 필요한 권한에 대한 안내는 Vertex AI 문서를 참고하세요. W&B run에 맞춤형 서비스 계정을 선택하려면 Launch 큐 설정의 spec.service_account 필드를 사용하세요.

​

Vertex AI용 큐 설정

Google Cloud 사전 요구 사항을 갖추었다면, 다음 단계는 W&B Launch가 Vertex AI 작업을 제출할 때 사용할 큐 설정을 계획하는 것입니다. Vertex AI 리소스용 큐 설정은 Vertex AI Python SDK의 CustomJob 생성자와 CustomJob의 run 메서드에 전달할 입력값을 지정합니다. 리소스 설정은 spec 및 run 키 아래에 저장됩니다.

• spec 키에는 Vertex AI Python SDK의 CustomJob 생성자에 전달하는 키워드 인자 값이 들어 있습니다.
• run 키에는 Vertex AI Python SDK의 CustomJob 클래스에 있는 run 메서드에 전달하는 키워드 인자 값이 들어 있습니다.

실행 환경 사용자 지정은 spec.worker_pool_specs 목록에서 이루어집니다. worker pool spec은 작업을 실행할 워커 그룹을 정의합니다. 기본 설정의 worker spec은 가속기 없이 n1-standard-4 머신 1대를 요청합니다. 필요에 맞게 머신 유형, 가속기 유형, 개수를 변경할 수 있습니다.

사용 가능한 머신 유형과 가속기 유형에 대한 자세한 내용은 Vertex AI documentation을 참조하세요.

​

큐 만들기

이제 큐 설정을 계획했으므로, Vertex AI를 컴퓨팅 리소스로 사용하는 큐를 W&B App에서 만드세요.

1. Launch 페이지로 이동합니다.

2. Create Queue 버튼을 클릭합니다.

3. 큐를 생성할 Entity를 선택합니다.

4. Name 필드에 큐 이름을 입력합니다.

5. Resource로 Google Cloud Vertex AI를 선택합니다.

6. Configuration 필드에 Configure a queue for Vertex AI에서 정의한 Vertex AI CustomJob 정보를 입력합니다. 기본적으로 W&B는 다음과 유사한 YAML 및 JSON 요청 본문을 자동으로 채웁니다.

   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. 큐 설정을 마친 후 Create Queue 버튼을 클릭합니다.

최소한 다음 필드는 지정해야 합니다.

• spec.worker_pool_specs: 비어 있지 않은 워커 풀 사양 목록
• spec.staging_bucket: Vertex AI 애셋과 메타데이터를 스테이징하기 위한 GCS 버킷

일부 Vertex AI 문서에서는 워커 풀 사양의 모든 키를 카멜 케이스로 표시합니다. 예를 들어 workerPoolSpecs가 있습니다. Vertex AI Python SDK는 이러한 키에 스네이크 케이스를 사용합니다. 예를 들어 worker_pool_specs가 있습니다.

Launch 큐 설정의 모든 키는 스네이크 케이스를 사용해야 합니다.

​

Launch 에이전트 구성하기

큐를 만들었으면 Launch 에이전트가 큐를 폴링하여 작업을 Vertex AI로 전달하도록 구성하세요. Launch 에이전트는 설정 파일로 구성할 수 있으며, 기본 설정 파일 경로는 ~/.config/wandb/launch-config.yaml입니다.

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

Vertex AI에서 실행할 이미지를 Launch 에이전트가 빌드하도록 하려면 고급 에이전트 설정을 참조하세요.

​

에이전트 권한 설정

마지막으로, Launch 에이전트가 사전 요구 사항에서 만든 서비스 계정으로 작동하는 데 필요한 사용자 인증 정보를 제공하세요. 이 서비스 계정으로 인증하는 방법은 여러 가지가 있습니다. Workload Identity, 다운로드한 서비스 계정 JSON, 환경 변수, Google Cloud Platform 명령줄 도구 또는 이 방법들을 조합해 인증할 수 있습니다.