En esta página, se enumeran las interfaces que puedes usar para definir y ejecutar canalizaciones de AA en Vertex AI Pipelines.
Interfaces para definir una canalización
Vertex AI Pipelines admite canalizaciones de AA definidas mediante el SDK de Kubeflow Pipelines (KFP) o el de TensorFlow Extended (TFX).
SDK de Kubeflow Pipelines (KFP)
Usa KFP en todos los casos prácticos en los que no necesites usar TensorFlow Extended para procesar grandes cantidades de datos estructurados o de texto.
Vertex AI Pipelines admite el SDK de KFP v1.8 o una versión posterior. Sin embargo, para usar las muestras de código en la documentación de Vertex AI Pipelines, usa el SDK de KFP v2.
Cuando usas el SDK de KFP, puedes definir tu flujo de trabajo del AA mediante la compilación de componentes personalizados y también la reutilización de componentes precompilados, como los componentes de canalización de Google Cloud. Los componentes de canalización de Google Cloud te permiten usar con facilidad servicios de Vertex AI, como AutoML, en tu canalización de AA. Vertex AI Pipelines admite el SDK de componentes de canalización de Google Cloud v2 o posterior. Para obtener más información sobre los componentes de canalización de Google Cloud, consulta Introducción a los componentes de canalización de Google Cloud.
Para aprender a compilar una canalización con Kubeflow Pipelines, consulta Compila una canalización. Para obtener más información sobre Kubeflow Pipelines, consulta la documentación de Kubeflow Pipelines.
SDK de TensorFlow Extended (TFX)
Usa TFX si usas TensorFlow Extended en tu flujo de trabajo de AA para procesar terabytes de datos estructurados o de texto. Vertex AI Pipelines admite el SDK de TFX v0.30.0 o una versión posterior.
Si deseas obtener información sobre cómo compilar canalizaciones de AA mediante TFX, consulta la sección Instructivos de introducción en los instructivos de TensorFlow Extended en producción.
Interfaces para ejecutar una canalización
Después de definir tu canalización de AA, puedes crear una ejecución de canalización de AA con cualquiera de las siguientes interfaces:
API de REST
Clientes del SDK
Consola de Google Cloud
Si deseas obtener más información sobre las interfaces que puedes usar para interactuar con Vertex AI, consulta Interfaces de Vertex AI.
API de REST
Para crear una ejecución de canalización con REST, usa la API de servicio Pipelines
. Esta API usa el recurso de REST projects.locations.pipelineJobs
.
Clientes del SDK
Vertex AI Pipelines te permite crear ejecuciones de canalizaciones con el SDK de Vertex AI para Python o las bibliotecas cliente.
SDK de Vertex AI para Python
El SDK de Vertex AI para Python (aiplatform
) es el SDK recomendado a fin de trabajar de manera programática con la API de servicio Pipelines
. Para obtener más información sobre este SDK, consulta la documentación de la API para google.cloud.aiplatform.PipelineJob
.
Bibliotecas cliente
Las bibliotecas cliente son SDK de clientes de API generados (GAPIC) de manera programática. Vertex AI Pipelines admite las siguientes bibliotecas cliente:
Python (
aiplatform
v1
yv1beta1
)Java
Node.js
Para obtener más información, consulta Instala las bibliotecas cliente de Vertex AI.
Consola de Google Cloud (GUI)
La consola de Google Cloud es la forma recomendada para revisar y supervisar las ejecuciones de tus canalizaciones. También puedes realizar otras tareas con la consola de Google Cloud, como crear, borrar y clonar ejecuciones de canalización, acceder a la Galería de plantillas y recuperar la etiqueta de facturación para una ejecución de canalización.
Ve a Pipelines en la consola de Google Cloud
¿Qué sigue?
Para comenzar, aprende a definir una canalización con el SDK de Kubeflow Pipelines.
Obtén información sobre cómo ejecutar una canalización.
Conoce las prácticas recomendadas para implementar modelos de AA entrenados de forma personalizada en la Vertex IA.