Pengantar Komponen Pipeline Google Cloud

Google Cloud Pipeline Components (GCPC) SDK menyediakan sekumpulan komponen Kubeflow Pipeline bawaan yang berkualitas produksi, berperforma, dan mudah digunakan. Anda dapat menggunakan Komponen Pipeline Google Cloud untuk mendefinisikan dan menjalankan pipeline ML di Vertex AI Pipelines serta backend eksekusi pipeline ML lainnya yang sesuai dengan Kubeflow Pipelines.

Misalnya, Anda dapat menggunakan komponen ini untuk menyelesaikan tindakan berikut:

  • Membuat set data baru dan memuat jenis data yang berbeda ke dalam set data (gambar, tabel, teks, atau video).
  • Mengekspor data dari set data ke Cloud Storage.
  • Menggunakan AutoML untuk melatih model menggunakan data gambar, tabel, teks, atau video.
  • Menjalankan tugas pelatihan kustom menggunakan container kustom atau paket Python.
  • Meng-upload model yang sudah ada ke Vertex AI untuk prediksi batch.
  • Membuat endpoint baru dan men-deploy model ke endpoint tersebut untuk prediksi online.

Selain itu, Komponen Pipeline Google Cloud bawaan ini didukung dalam Vertex AI Pipelines dan memberikan manfaat berikut:

  • Proses debug yang lebih mudah: Menampilkan resource dasar yang diluncurkan dari komponen untuk proses debug yang disederhanakan.
  • Jenis artefak standar: Menyediakan antarmuka yang konsisten saat menggunakan jenis artefak standar untuk input dan output. Artefak standar ini dilacak di Vertex ML Metadata, sehingga memudahkan Anda menganalisa silsilah artefak pipeline Anda. Untuk detail selengkapnya tentang silsilah artefak, lihat Melacak silsilah artefak pipeline.
  • Memahami biaya pipeline dengan label penagihan: Label resource secara otomatis disebarkan ke layanan Google Cloud yang dihasilkan oleh Komponen Pipeline Google Cloud dalam operasi pipeline Anda. Anda dapat menggunakan label penagihan beserta ekspor Penagihan Cloud ke BigQuery untuk meninjau biaya pengoperasian pipeline. Untuk mengetahui informasi selengkapnya tentang penggunaan label guna memahami biaya pengoperasian pipeline, lihat Memahami biaya pengoperasian pipeline. Untuk mengetahui informasi selengkapnya tentang cara label disebarkan dari pipeline yang dijalankan ke resource yang dihasilkan oleh Komponen Pipeline Google Cloud, lihat Pelabelan resource oleh Vertex AI Pipelines.
  • Efisiensi biaya*: Vertex AI Pipelines mengoptimalkan eksekusi komponen ini dengan meluncurkan resource Google Cloud, tanpa harus meluncurkan container. Tindakan ini akan mengurangi latensi pengaktifan dan mengurangi biaya container yang sibuk menunggu.
* Fitur ini hanya berlaku untuk komponen berikut:
  • CustomTrainingJobOp
  • WaitGcpResourcesOp (untuk Dataflow)
  • DataflowPythonJobOp

Langkah selanjutnya