Introduzione a Google Cloud Pipeline Components

L'SDK dei componenti della pipeline di Google Cloud (GCPC) offre un insieme di i componenti di Kubeflow Pipelines, ovvero la qualità della produzione, più performante e facile da usare. Puoi utilizzare i componenti della pipeline di Google Cloud per definire ed eseguire il machine learning pipeline in Vertex AI Pipelines e altri Backend di esecuzione di pipeline ML conformi alle pipeline Kubeflow.

Ad esempio, puoi utilizzare questi componenti per completare quanto segue:

  • Creare un nuovo set di dati e caricarvi diversi tipi di dati. (immagine, tabulari, testo o video).
  • Esportare i dati da un set di dati in Cloud Storage.
  • Utilizza AutoML per addestrare un modello utilizzando dati di immagine, tabulari, testo o video.
  • Esegui un job di addestramento personalizzato utilizzando un container personalizzato o un pacchetto Python.
  • Caricare un modello esistente su Vertex AI per la previsione batch.
  • Creare un nuovo endpoint ed eseguire il deployment di un modello al suo interno per le previsioni online.

Inoltre, questi componenti predefiniti di pipeline di Google Cloud supportati in Vertex AI Pipelines, e offrono i seguenti vantaggi:

  • Debug più semplice: mostra le risorse sottostanti avviate dal per il debug semplificato.
  • Tipi di artefatti standardizzati: fornisci interfacce coerenti da utilizzare tipi di artefatti standard per l'input e come output. Questi artefatti standard vengono tracciati in Vertex ML Metadata, semplifica l'analisi della derivazione degli artefatti della pipeline. Per maggiori dettagli sulla derivazione degli artefatti, consulta Monitoraggio della derivazione della pipeline artefatto.
  • Comprendi i costi della pipeline con le etichette di fatturazione: le etichette delle risorse vengono propagate automaticamente ai servizi Google Cloud generati dai componenti della pipeline di Google Cloud nell'esecuzione della pipeline. Puoi utilizzare le etichette di fatturazione insieme all'esportazione della fatturazione Cloud in BigQuery per rivedere il costo di esecuzione della pipeline. Per saperne di più sull'utilizzo delle etichette per comprendere il costo di esecuzione di una pipeline, consulta Comprendere i costi di esecuzione della pipeline. Per saperne di più su come le etichette vengono propagate dall'esecuzione di una pipeline alle risorse generate dai componenti della pipeline di Google Cloud, consulta Etichettatura delle risorse da parte di Vertex AI Pipelines.
  • Efficienza dei costi*: Vertex AI Pipelines ottimizza il l'esecuzione di questi avviando le risorse Google Cloud, senza dover avviare containerizzato. Questo riduce la latenza di avvio e i costi delle attività containerizzato.
* Questa funzionalità è valida solo per i seguenti componenti:
  • CustomTrainingJobOp
  • WaitGcpResourcesOp (per Dataflow)
  • DataflowPythonJobOp

Passaggi successivi