[GCP] Vertex AI 機能x検証

GCP Vertex AI

概要

GCPのVertex AIは、機械学習（Machine Learning）モデルの開発、トレーニング、配備を簡素化するためのクラウドベースのプラットフォームです。Vertex AIは、豊富な機能セットを提供し、機械学習ソリューションの開発を迅速かつ効果的に行うことができます。

機能

モデルのトレーニングと予測

• Vertex AIは、大規模なデータセットを使用して機械学習モデルをトレーニングするための豊富なツールセットを提供します。
• トレーニングは、TensorFlow、PyTorch、XGBoostなどの一般的なフレームワークを使用して行うことができます。
• Vertex AIは、分散トレーニングをサポートし、スケーラビリティとパフォーマンスを向上させます。
• トレーニングされたモデルを使用して、新しいデータの予測を行うこともできます。

モデルのデプロイと管理

• Vertex AIは、トレーニング済みモデルのデプロイと管理を簡単に行うことができます。
• モデルをデプロイする際には、スケーラブルな推論インターフェースが提供されます。
• モデルのバージョン管理やモデルのアップデートも簡単に行うことができます。
• デプロイされたモデルは、REST APIやgRPCを使用してアクセスすることができます。

オートメイテッド マシン レーニング

• Vertex AIは、自動機械学習（AutoML）機能も提供しています。
• AutoMLを使用することで、モデルの選択、ハイパーパラメータの最適化、特徴量エンジニアリングなど、機械学習プロセスの一部を自動化することができます。
• AutoMLは、開発者が機械学習の専門知識を持たなくても、高度なモデルを作成することを可能にします。

サンプルコード

Java

import com.google.api.gax.longrunning.OperationFuture;
import com.google.cloud.aiplatform.v1beta1.JobServiceClient;
import com.google.cloud.aiplatform.v1beta1.LocationName;
import com.google.cloud.aiplatform.v1beta1.PipelineServiceClient;
import com.google.cloud.aiplatform.v1beta1.PipelineServiceSettings;
import com.google.cloud.aiplatform.v1beta1.PipelineJob;
import com.google.cloud.aiplatform.v1beta1.PipelineJobName;
import com.google.cloud.aiplatform.v1beta1.PipelineJobStatus;
import com.google.protobuf.Duration;
import com.google.protobuf.Empty;
import com.google.protobuf.Timestamp;

import java.io.IOException;
import java.util.concurrent.ExecutionException;

public class VertexAISample {

  public static void main(String[] args) throws IOException, ExecutionException, InterruptedException {
    try (JobServiceClient jobServiceClient = JobServiceClient.create()) {
      LocationName parent = LocationName.of("[PROJECT]", "[LOCATION]");
      JobServiceClient.ListPipelineJobsPagedResponse response = jobServiceClient
              .listPipelineJobs(parent);
      for (PipelineJob job : response.iterateAll()) {
        System.out.println("Pipeline Job Name: " + job.getName());
        PipelineJobName jobName = PipelineJobName.parse(job.getName());
        OperationFuture<Empty, PipelineJob> jobFuture =
                jobServiceClient.deletePipelineJobAsync(jobName);
        jobFuture.get();
        System.out.println("Pipeline Job deleted successfully.");
      }
    }
  }
}

Go

package main

import (
	"context"
	"fmt"
	"os"

	aiplatform "cloud.google.com/go/aiplatform/apiv1beta1"
	aiplatformpb "google.golang.org/genproto/googleapis/cloud/aiplatform/v1beta1"
)

func main() {
	ctx := context.Background()

	pipelineClient, err := aiplatform.NewPipelineClient(ctx)
	if err != nil {
		fmt.Printf("Failed to create client: %v\n", err)
		os.Exit(1)
	}
	defer pipelineClient.Close()

	parent := "projects/[PROJECT]/locations/[LOCATION]"
	req := &aiplatformpb.ListPipelineJobsRequest{Parent: parent}
	it := pipelineClient.ListPipelineJobs(ctx, req)
	for {
		job, err := it.Next()
		if err == aiplatform.Done {
			break // Done iterating over the results.
		}
		if err != nil {
			fmt.Printf("Failed to retrieve job: %v\n", err)
			os.Exit(1)
		}
		fmt.Printf("Pipeline Job Name: %s\n", job.GetName())

		deleteReq := &aiplatformpb.DeletePipelineJobRequest{Name: job.GetName()}
		err = pipelineClient.DeletePipelineJob(ctx, deleteReq)
		if err != nil {
			fmt.Printf("Failed to delete job: %v\n", err)
			os.Exit(1)
		}

		fmt.Println("Pipeline Job deleted successfully.")
	}
}

C#

using Google.Cloud.AIPlatform.V1;

public class VertexAISample
{
    public static void Main(string[] args)
    {
        var client = JobServiceClient.Create();

        var parent = LocationName.FromProjectLocation("[PROJECT]", "[LOCATION]");
        var response = client.ListPipelineJobs(parent);
        foreach (var job in response)
        {
            Console.WriteLine($"Pipeline Job Name: {job.Name}");

            client.DeletePipelineJob(job.Name);

            Console.WriteLine("Pipeline Job deleted successfully.");
        }
    }
}

このサンプルコードでは、Vertex AIのジョブ（Pipeline Job）を一覧し、各ジョブを削除する処理を示しています。詳細な実装については、GCPの公式ドキュメントやAPIリファレンスを参照ください。