Vertex AI Pipelines のインターフェース

詳細については、以下のいずれかの環境で Jupyter ノートブック「Python 関数ベースの Kubeflow パイプライン コンポーネントを構築する方法を学習する」を実行してください。

Colab で開く | Colab Enterprise で開く | Vertex AI Workbench のユーザー管理のノートブックで開く | GitHub で表示する

このページでは、Vertex AI Pipelines で ML パイプラインを定義して実行するために使用できるインターフェースの一覧を示します。

パイプラインを定義するインターフェース

Vertex AI Pipelines は、Kubeflow Pipelines（KFP）SDK または TensorFlow Extended（TFX）SDK を使用して定義された ML パイプラインをサポートしています。

Kubeflow Pipelines（KFP）SDK

TensorFlow Extended を使用して大量の構造化データやテキストデータを処理する必要がないユースケースすべてには、KFP を使用します。

Vertex AI Pipelines は、KFP SDK v1.8 以降をサポートしています。ただし、Vertex AI Pipelines のドキュメントのコードサンプルを使用するには、KFP SDK v2 を使用します。

KFP SDK を使用する場合は、カスタム コンポーネントを構築し、Google Cloud パイプライン コンポーネントなどの構築済みコンポーネントを再利用して、ML ワークフローを定義できます。Google Cloud パイプライン コンポーネントを使用すると、ML パイプラインで AutoML などの Vertex AI サービスを簡単に使用できます。Vertex AI Pipelines は、Google Cloud パイプライン コンポーネント SDK v2 以降をサポートしています。Google Cloud パイプライン コンポーネントの詳細については、Google Cloud パイプライン コンポーネントの概要をご覧ください。

Kubeflow Pipelines を使用してパイプラインを構築する方法については、パイプラインの構築をご覧ください。Kubeflow Pipelines の詳細については、Kubeflow Pipelines のドキュメントをご覧ください。

TensorFlow Extended (TFX) SDK

ML ワークフローで TensorFlow Extended を使用してテラバイト規模の構造化データまたはテキストデータを処理する場合は、TFX を使用します。Vertex AI Pipelines は、TFX SDK v0.30.0 以降をサポートしています。

TFX を使用して ML パイプラインを構築する方法については、本番環境における TensorFlow Extended のチュートリアルのスタートガイドのチュートリアル セクションをご覧ください。

パイプラインを実行するためのインターフェース

ML パイプラインを定義したら、次のいずれかのインターフェースを使用して ML パイプライン実行を作成できます。

• REST API

• SDK クライアント

• Google Cloud コンソール

注: Vertex AI Pipelines は、gcloud CLI インターフェースをサポートしていません。

Vertex AI の操作に使用できるインターフェースの詳細については、Vertex AI のインターフェースをご覧ください。

REST API

REST を使用してパイプライン実行を作成するには、Pipelines サービス API を使用します。この API は、projects.locations.pipelineJobs REST リソースを使用します。

注: Pipelines サービス API に対する互換性を破る変更については、プレビューのリリース時に通知されます。プレビュー版で発表された変更をテストできます。projects.locations.pipelineJobs（v1beta1）の API ドキュメントをご覧ください。プレビュー リリース ステージの詳細については、リリース ステージの説明をご覧ください。

SDK クライアント

Vertex AI Pipelines では、Vertex AI SDK for Python またはクライアント ライブラリを使用してパイプライン実行を作成できます。

Vertex AI SDK for Python

Vertex AI SDK for Python（aiplatform）は、Pipelines サービス API をプログラムで操作する場合に推奨される SDK です。この SDK の詳細については、google.cloud.aiplatform.PipelineJob の API ドキュメントをご覧ください。

クライアント ライブラリ

クライアント ライブラリは、プログラムで生成された API クライアント（GAPIC）SDK です。Vertex AI Pipelines は、次のクライアント ライブラリをサポートしています。

• Python（aiplatform v1 と v1beta1）

• Java

• Node.js

• Go

詳細については、Vertex AI クライアント ライブラリをインストールするをご覧ください。

Google Cloud コンソール（GUI）

パイプライン実行の確認とモニタリングには、Google Cloud コンソールの使用をおすすめします。また、パイプライン実行の作成、削除、クローン作成、テンプレート ギャラリーへのアクセス、パイプライン実行の請求ラベルの取得など、他のタスクも Google Cloud コンソールを使用して実行できます。

Google Cloud コンソールの [パイプライン] に移動

次のステップ

• 最初に、Kubeflow Pipelines SDK を使用してパイプラインを定義する方法を確認する。

• パイプラインを実行する方法を学習する。

• Vertex AI 上でカスタム トレーニングされた ML モデルを実装するためのベスト プラクティスを学習する。