Bonnes réponses
- AÉcrire un fichier cloudbuild.yaml qui construit un conteneur d'entraînement et soumet un PipelineJob Vertex AI
- DDéfinir les étapes d'entraînement et de déploiement dans un Vertex AI Pipeline et le soumettre depuis Cloud Build
- EConfigurer un déclencheur Cloud Build pour s'exécuter sur les commits du dépôt source
Explication
cloudbuild.yaml est la configuration déclarative utilisée par Cloud Build pour définir les étapes de construction, et l'une de ces étapes peut construire une image de conteneur d'entraînement personnalisée (par exemple via docker build) puis soumettre un PipelineJob Vertex AI à l'aide de la commande gcloud ai pipelines run ou du SDK Vertex AI. Vertex AI Pipelines est le service natif pour orchestrer les étapes de flux de travail de ML telles que l'entraînement, l'évaluation et le déploiement sous forme de graphe acyclique orienté, et Cloud Build peut invoquer ce pipeline dans le cadre de la CI/CD, offrant un pipeline de ML entièrement automatisé et reproductible. Un déclencheur Cloud Build lié au référentiel source (par exemple, un déclencheur GitHub ou Cloud Source Repositories sur push ou pull request) est ce qui lance réellement l'exécution de la construction/du pipeline automatisée lors des validations (commits), ce qui constitue le cœur de l'automatisation CI/CD. Cloud Functions n'est pas le mécanisme prévu pour réentraîner les modèles à la fin d'une construction ; les déclencheurs Cloud Build ou les notifications Pub/Sub sont les points d'intégration corrects, et cela ajoute une complexité inutile. Interroger des artefacts de construction avec Cloud Scheduler est un anti-patron ; les déclencheurs orientés événements (déclencheurs Cloud Build ou Pub/Sub) sont préférés au scrutin programmé pour réagir aux nouvelles constructions.