Google Cloud パイプライン コンポーネントの概要

Google Cloud （GCPC）SDK には、本番環境の品質、パフォーマンス、使いやすさを備えた一連のビルド済み Kubeflow パイプライン コンポーネントが備わっています。 Google Cloud パイプライン コンポーネントを使用して、Kubeflow Pipelines を遵守する Vertex AI Pipelines やその他の ML パイプライン実行バックエンドで ML パイプラインを定義して実行できます。

たとえば、コンポーネントを使用して、以下の処理を行うことができます。

  • 新しいデータセットを作成し、さまざまな種類のデータ（画像、表形式、テキスト、動画）を読み込む。
  • データセットから Cloud Storage にデータをエクスポートする。
  • AutoML で、画像、表形式、動画のデータを使用してモデルをトレーニングする。
  • カスタム コンテナまたは Python パッケージを使用して、カスタム トレーニング ジョブを実行する。
  • 既存のモデルを Vertex AI にアップロードしてバッチ予測をアップロードする。
  • 新しいエンドポイントを作成し、オンライン予測に使用するモデルをデプロイする。

また、 Google Cloud パイプライン コンポーネントは Vertex AI Pipelines でこれらの事前構築済みコンポーネントをサポートしており、次のような利点があります。

  • デバッグが容易: コンポーネントから起動された基盤となるリソースを確認できるので、デバッグを容易に行うことができます。
  • 標準化されたアーティファクト タイプ: 入出力に標準のアーティファクト タイプを使用する一貫したインターフェースが提供されます。Vertex ML Metadata はこれらの標準アーティファクトを追跡するため、パイプラインのアーティファクトのリネージを簡単に分析できます。アーティファクトのリネージの詳細については、パイプライン アーティファクトのリネージの追跡をご覧ください。
  • 請求ラベルによるパイプライン費用について理解する: リソースラベルは、パイプライン実行の Google Cloud パイプライン コンポーネントによって生成された Google Cloud サービスに自動的に伝播されます。BigQuery に Cloud Billing をエクスポートするときに合わせて課金ラベルを使用すると、パイプライン実行の費用を確認できます。ラベルを使用してパイプライン実行の費用を理解する方法については、パイプライン実行の費用についてをご覧ください。パイプラインの実行から Google Cloud パイプライン コンポーネントによって生成されたリソースにラベルが伝播される方法の詳細については、Vertex AI Pipelines によるリソースのラベル付けをご覧ください。
  • 費用対効果*: Vertex AI Pipelines は、コンテナを起動せずに Google Cloud リソースを起動することで、これらのコンポーネントの実行を最適化します。これにより、起動時のレイテンシが短縮され、ビジー待機中のコンテナの費用を抑えることができます。
* この機能は、次のコンポーネントにのみ適用されます。
  • CustomTrainingJobOp
  • WaitGcpResourcesOp（Dataflow 用）
  • DataflowPythonJobOp

次のステップ