Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
L'SDK Google Cloud (GCPC) fornisce un insieme di componenti
Kubeflow Pipelines predefiniti di qualità di produzione,
efficienti e facili da usare. Puoi utilizzare i Google Cloud componenti della pipeline per definire ed eseguire pipeline ML in Vertex AI Pipelines e altri backend di esecuzione di pipeline ML conformi a Kubeflow Pipelines.
Ad esempio, puoi utilizzare questi componenti per completare le seguenti operazioni:
Crea un nuovo set di dati e carica diversi tipi di dati nel set di dati
(immagine, tabellare, testo o video).
Esporta i dati da un set di dati in Cloud Storage.
Utilizza AutoML per addestrare un modello utilizzando dati di immagine, tabulari o video.
Esegui un job di addestramento personalizzato utilizzando un container personalizzato o un pacchetto Python.
Carica un modello esistente in Vertex AI per la previsione batch.
Crea un nuovo endpoint ed esegui il deployment di un modello per le previsioni online.
Inoltre, Google Cloud Pipeline Components supporta questi componenti predefiniti
in Vertex AI Pipelines e offre i seguenti vantaggi:
Debug più semplice: mostra le risorse sottostanti avviate dal componente per un debug semplificato.
Tipi di artefatto standardizzati: forniscono interfacce coerenti per l'utilizzo di tipi di artefatto standard per l'input e l'output. Vertex ML Metadata monitora questi artefatti standard, semplificando
l'analisi della derivazione degli artefatti della pipeline.
Per maggiori dettagli sulla derivazione degli artefatti, consulta Monitoraggio della derivazione degli artefatti della pipeline.
Comprendere i costi della pipeline con le etichette di fatturazione: le etichette delle risorse vengono propagate automaticamente ai servizi generati dai componenti della pipeline nell'esecuzione della pipeline. Google Cloud Google Cloud Utilizza le etichette di fatturazione insieme all'esportazione della fatturazione Cloud in BigQuery per esaminare il costo dell'esecuzione della pipeline. Per saperne di più sull'utilizzo delle etichette per comprendere il costo di un'esecuzione della pipeline, consulta Comprendere i costi di esecuzione della pipeline. Per saperne di più su come le etichette vengono propagate da un'esecuzione della pipeline alle risorse generate dai Google Cloud componenti della pipeline, 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.
Ciò riduce la latenza di avvio e i costi del container busy-waiting.
*
Questa funzionalità si applica solo ai seguenti componenti:
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2025-09-04 UTC."],[],[],null,["# Introduction to Google Cloud Pipeline Components\n\nThe Google Cloud (GCPC) SDK provides a set of prebuilt\nKubeflow Pipelines components that are production quality,\nperformant, and easy to use. You can use Google Cloud Pipeline Components to define and run ML\npipelines in Vertex AI Pipelines and other\nML pipeline execution backends conformant with Kubeflow Pipelines.\n\nFor example, you can use these components to complete the following:\n\n- Create a new dataset and load different data types into the dataset (image, tabular, text, or video).\n- Export data from a dataset to Cloud Storage.\n- Use AutoML to train a model using image, tabular, or video data.\n- Run a custom training job using a custom container or a Python package.\n- Upload an existing model to Vertex AI for batch prediction.\n- Create a new endpoint and deploy a model to it for online predictions.\n\nAdditionally, Google Cloud Pipeline Components supports these prebuilt components\nin Vertex AI Pipelines and offers the following benefits:\n\n- **Easier debugging**: Show the underlying resources launched from the component for simplified debugging.\n- **Standardized artifact types** : Provide consistent interfaces to use [standard artifact types](/vertex-ai/docs/pipelines/artifact-types) for input and output. Vertex ML Metadata tracks these standard artifacts, making it easier for you to analyze the lineage of your pipeline's artifacts. For more details on artifact lineage, see [Tracking the lineage of pipeline\n artifacts](/vertex-ai/docs/pipelines/lineage).\n- **Understand pipeline costs with billing labels** : Resource labels automatically propagate to Google Cloud services generated by the Google Cloud Pipeline Components in your pipeline run. Use billing labels along with Cloud Billing export to BigQuery to review the cost of your pipeline run. For more information about using labels to understand the cost of a pipeline run, see [Understand pipeline run costs](/vertex-ai/docs/pipelines/understand-pipeline-cost-labels). For more information about how labels propagate from a pipeline run to resources spawned by Google Cloud Pipeline Components, see [Resource labeling by Vertex AI Pipelines](/vertex-ai/docs/pipelines/gcpc-label-propagation).\n- **Cost efficiencies** ^\\*^: Vertex AI Pipelines optimizes the execution of these components by launching the Google Cloud resources, without having to launch the container. This reduces the startup latency and reduces the costs of the busy-waiting container.\n\nWhat's next\n-----------\n\n- See all [tutorials that use the Google Cloud SDK](/vertex-ai/docs/pipelines/notebooks).\n- Learn more about specific [Google Cloud Pipeline Components in the reference section](/vertex-ai/docs/pipelines/gcpc-list).\n- Read the official [Google Cloud SDK reference](https://google-cloud-pipeline-components.readthedocs.io/en/google-cloud-pipeline-components-2.19.0/api/v1/index.html).\n- See the Google Cloud Pipeline Components section in the [Kubeflow Pipelines SDK repository](https://github.com/kubeflow/pipelines/tree/master/components/google-cloud)."]]
