Google Cloud (GCPC) SDK 提供一組預先建構的 Kubeflow Pipelines 元件，這些元件品質優良、效能出色且易於使用。您可以使用 Google Cloud 管道元件，在 Vertex AI Pipelines 和其他符合 Kubeflow Pipelines 的機器學習管道執行後端中，定義及執行機器學習管道。
舉例來說，您可以使用這些元件完成下列事項：
- 建立新資料集，並將不同資料類型載入資料集 (圖片、表格、文字或影片)。
- 將資料集中的資料匯出至 Cloud Storage。
- 使用 AutoML，以圖片、表格或影片資料訓練模型。
- 使用自訂容器或 Python 套件執行自訂訓練工作。
- 將現有模型上傳至 Vertex AI，進行批次預測。
- 建立新端點，並將模型部署至該端點，以進行線上預測。
此外， Google Cloud Pipeline Components 支援 Vertex AI Pipelines 中的預先建構元件，並提供下列優點：
- 簡化偵錯程序：顯示從元件啟動的基礎資源，簡化偵錯程序。
- 標準化構件類型：提供一致的介面，以使用標準構件類型做為輸入和輸出。Vertex 機器學習中繼資料會追蹤這些標準構件，方便您分析管道構件的歷程。如要進一步瞭解構件歷程，請參閱「追蹤管道構件的歷程」。
- 使用帳單標籤瞭解管道費用：資源標籤會自動傳播至管道執行作業中管道元件產生的服務。 Google Cloud Google Cloud 搭配使用帳單標籤和 Cloud Billing 匯出至 BigQuery 功能，即可查看管道執行的費用。如要進一步瞭解如何使用標籤來掌握管道執行費用，請參閱「瞭解管道執行費用」。如要進一步瞭解標籤如何從管道執行作業傳播至 Google Cloud Pipeline 元件產生的資源，請參閱「Vertex AI Pipelines 的資源標籤」。
- 成本效益*：Vertex AI Pipelines 會啟動 Google Cloud 資源，藉此最佳化這些元件的執行作業，不必啟動容器。這樣可縮短啟動延遲時間，並降低忙碌等待容器的成本。
| * | 這項功能僅適用於下列元件：
|
後續步驟
- 查看所有使用 Google Cloud SDK 的教學課程。
- 如要進一步瞭解特定Google Cloud 管道元件，請參閱參考資料部分。
- 請參閱官方 Google Cloud SDK 參考資料。
- 請參閱 Kubeflow Pipelines SDK 存放區中的「Pipeline Components」 Google Cloud 部分。