Introduzione a Google Cloud Pipeline Components

L'SDK Google Cloud Pipeline Components (GCPC) fornisce un insieme di componenti predefiniti di Kubeflow Pipelines, che offrono qualità della produzione, prestazioni elevate e semplicità di utilizzo. Puoi utilizzare i componenti di pipeline di Google Cloud per definire ed eseguire pipeline ML in Vertex AI Pipelines e altri backend di esecuzione di pipeline di ML conformi a Kubeflow Pipelines.

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

  • Crea un nuovo set di dati e carica diversi tipi di dati al suo interno (immagine, tabulare, 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 per la pipeline di Google Cloud sono supportati in Vertex AI Pipelines e offrono i seguenti vantaggi:

  • Debug più semplice: mostra le risorse sottostanti avviate dal componente per semplificare il debug.
  • Tipi di artefatti standardizzati: fornisci interfacce coerenti per utilizzare tipi di artefatti standard per l'input e l'output. Questi artefatti standard vengono monitorati in Vertex ML Metadata, semplificando l'analisi della derivazione degli artefatti della pipeline. Per maggiori dettagli sulla derivazione degli artefatti, consulta Monitoraggio della derivazione degli artefatti della pipeline.
  • 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 l'esecuzione di questi componenti avviando le risorse Google Cloud, senza dover avviare il container. Questo riduce la latenza di avvio e i costi del container occupato.
* Questa funzionalità si applica solo ai seguenti componenti:
  • CustomTrainingJobOp
  • WaitGcpResourcesOp (per Dataflow)
  • DataflowPythonJobOp

Passaggi successivi