Interfaces para o Vertex AI Pipelines

Nesta página, estão listadas as interfaces que podem ser usadas para definir e executar pipelines de ML no Vertex AI Pipelines.

Interfaces para definir um pipeline

O Vertex AI Pipelines oferece suporte a pipelines de ML definidos usando o SDK do Kubeflow Pipelines (KFP) ou o SDK do TensorFlow Extended (TFX).

SDK do Kubeflow Pipelines (KFP)

Logotipo do Kubeflow Pipelines Use o KFP em todos os casos de uso em que não é necessário usar o TensorFlow Extended para processar grandes quantidades de dados estruturados ou de texto.

O Vertex AI Pipelines oferece suporte ao SDK do KFP v1.8 ou mais recente. No entanto, para usar os exemplos de código na documentação do Vertex AI Pipelines, use o SDK do KFP v2.

Ao usar o SDK do KFP, é possível definir o fluxo de trabalho de ML criando componentes personalizados e reutilizando componentes pré-criados, como os componentes de pipeline do Google Cloud. Os componentes de pipeline do Google Cloud permitem que você use com facilidade os serviços da Vertex AI, como o AutoML, no seu pipeline de ML. O Vertex AI Pipelines oferece suporte ao SDK de componentes do pipeline do Google Cloud v2 ou mais recente. Para mais informações sobre os componentes de pipeline do Google Cloud, consulte Introdução aos componentes de pipeline do Google Cloud.

Para aprender a criar um pipeline usando o Kubeflow Pipelines, consulte Criar um pipeline. Para saber mais sobre o Kubeflow Pipelines, consulte a documentação do Kubeflow Pipelines.

SDK do TensorFlow Extended (TFX)

Logotipo do SDK do TFX Use o TFX se você usar o TensorFlow Extended no fluxo de trabalho de ML para processar terabytes de dados estruturados ou de texto. O Vertex AI Pipelines oferece suporte ao SDK do TFX v0.30.0 ou mais recente.

Para saber como criar pipelines de ML usando o TFX, consulte a seção Tutoriais de introdução nos tutoriais do TensorFlow Extended em produção.

Interfaces para executar um pipeline

Depois de definir o pipeline de ML, é possível criar uma execução de pipeline de ML usando qualquer uma das seguintes interfaces:

  • API REST

  • Clientes do SDK

  • Console do Google Cloud

Para mais informações sobre as interfaces que podem ser usadas para interagir com a Vertex AI, consulte Interfaces para a Vertex AI.

API REST

Para criar uma execução de pipeline usando REST, use a API de serviço Pipelines. Essa API usa o recurso REST projects.locations.pipelineJobs.

Clientes do SDK

O Vertex AI Pipelines permite criar execuções de pipeline usando o SDK da Vertex AI para Python ou bibliotecas de cliente.

SDK da Vertex AI para Python

O SDK da Vertex AI para Python (aiplatform) é recomendado para trabalhar de maneira programática com a API de serviço Pipelines. Para mais informações sobre esse SDK, consulte a documentação da API para google.cloud.aiplatform.PipelineJob.

Bibliotecas de cliente

As bibliotecas de cliente são SDKs de clientes de API gerados (GAPIC) de forma programática. O Vertex AI Pipelines oferece suporte às seguintes bibliotecas de cliente:

  • Python (aiplatform v1 e v1beta1)

  • Java

  • Node.js

  • Go

Para mais informações, consulte Instalar as bibliotecas de cliente da Vertex AI.

Console do Google Cloud (GUI)

O console do Google Cloud é a maneira recomendada para verificar e monitorar as execuções do pipeline. Também é possível realizar outras tarefas usando o console do Google Cloud, como criar, excluir e clonar execuções de pipelines, acessar a Galeria de modelos e recuperar o rótulo de faturamento para uma execução de pipeline.

Acesse "Pipelines" no console do Google Cloud

A seguir