Interfacce per Vertex AI Pipelines

Questa pagina elenca le interfacce che puoi utilizzare per definire ed eseguire pipeline di ML su Vertex AI Pipelines.

Interfacce per definire una pipeline

Vertex AI Pipelines supporta le pipeline ML definite utilizzando l'SDK Kubeflow Pipelines (KFP) o l'SDK TensorFlow Extended (TFX).

SDK Kubeflow Pipelines (KFP)

Logo di Kubeflow Pipelines Utilizza KFP per tutti i casi d'uso in cui non è necessario utilizzare TensorFlow Extended per elaborare enormi quantità di dati strutturati o di testo.

Vertex AI Pipelines supporta l'SDK KFP 1.8 o versioni successive. Tuttavia, per utilizzare i campioni di codice nella documentazione di Vertex AI Pipelines, utilizza la versione 2 dell'SDK KFP.

Quando utilizzi l'SDK KFP, puoi definire il flusso di lavoro ML creando componenti personalizzati e riutilizzando componenti predefiniti, ad esempio i componenti della pipeline di Google Cloud. I componenti della pipeline di Google Cloud ti consentono di utilizzare facilmente i servizi Vertex AI come AutoML nella tua pipeline di ML. Vertex AI Pipelines supporta la versione 2 o successive dell'SDK Google Cloud Pipeline Components. Per ulteriori informazioni su Google Cloud Pipeline Components, consulta Introduzione a Google Cloud Pipeline Components.

Per scoprire come creare una pipeline utilizzando Kubeflow Pipelines, consulta Creare una pipeline. Per scoprire di più su Kubeflow Pipelines, consulta la documentazione di Kubeflow Pipelines.

SDK TensorFlow Extended (TFX)

Logo dell'SDK TFX Utilizza TFX se utilizzi TensorFlow Extended nel tuo flusso di lavoro ML per elaborare terabyte di dati strutturati o di testo. Vertex AI Pipelines supporta SDK TFX 0.30.0 o versioni successive.

Per scoprire come creare pipeline ML utilizzando TFX, consulta la sezione Tutorial per iniziare dei tutorial su TensorFlow Extended in produzione.

Interfacce per eseguire una pipeline

Dopo aver definito la pipeline ML, puoi creare un'esecuzione della pipeline ML utilizzando una qualsiasi delle seguenti interfacce:

  • API REST

  • Client SDK

  • Console Google Cloud

Per ulteriori informazioni sulle interfacce che puoi utilizzare per interagire con Vertex AI, consulta Interfacce per Vertex AI.

API REST

Per creare un'esecuzione della pipeline utilizzando REST, utilizza l'API di servizio Pipelines. Questa API utilizza la risorsa REST projects.locations.pipelineJobs.

Client SDK

Vertex AI Pipelines ti consente di creare esecuzioni di pipeline utilizzando l'SDK Vertex AI per Python o le librerie client.

SDK Vertex AI per Python

L'SDK Vertex AI per Python (aiplatform) è l'SDK consigliato per lavorare in modo programmatico con l'API di servizio Pipelines. Per ulteriori informazioni su questo SDK, consulta la documentazione dell'API per google.cloud.aiplatform.PipelineJob.

Librerie client

Le librerie client sono SDK di client API generati tramite programmazione (GAPIC). Vertex AI Pipelines supporta le seguenti librerie client:

  • Python (aiplatform v1 e v1beta1)

  • Java

  • Node.js

  • Go

Per ulteriori informazioni, vedi Installare le librerie client di Vertex AI.

Console Google Cloud (interfaccia utente grafica)

La console Google Cloud è il modo consigliato per esaminare e monitorare le esecuzioni della pipeline. Puoi anche eseguire altre attività utilizzando la console Google Cloud, ad esempio creare, eliminare e clonare le esecuzioni della pipeline, accedere alla Galleria di modelli e recuperare l'etichetta di fatturazione per un'esecuzione della pipeline.

Vai a Pipeline nella console Google Cloud

Passaggi successivi