Schnittstellen für Vertex AI Pipelines

Auf dieser Seite werden die Schnittstellen aufgeführt, mit denen Sie ML-Pipelines in Vertex AI Pipelines definieren und ausführen können.

Schnittstellen zum Definieren einer Pipeline

Vertex AI Pipelines unterstützt ML-Pipelines, die mit dem Kubeflow Pipelines (KFP) SDK oder dem TensorFlow Extended (TFX) SDK definiert sind.

Kubeflow Pipelines (KFP) SDK

Logo: Kubeflow Pipelines Verwenden Sie KFP für alle Anwendungsfälle, in denen Sie TensorFlow Extended nicht zur Verarbeitung großer Mengen von strukturierten oder Textdaten verwenden müssen.

Vertex AI Pipelines unterstützt KFP SDK v1.8 oder höher. Wenn Sie jedoch die Codebeispiele in der Vertex AI Pipelines-Dokumentation verwenden möchten, verwenden Sie das KFP SDK v2.

Wenn Sie das KFP SDK verwenden, können Sie Ihren ML-Workflow definieren, indem Sie benutzerdefinierte Komponenten erstellen und außerdem vordefinierte Komponenten wie die Google Cloud-Pipeline-Komponenten wiederverwenden. Mit Google Cloud-Pipeline-Komponenten können Sie ganz einfach Vertex-AI-Dienste wie AutoML in Ihrer ML-Pipeline verwenden. Vertex AI Pipelines unterstützt das Google Cloud Pipeline Components SDK Version 2 oder höher. Weitere Informationen zu Google Cloud-Pipeline-Komponenten finden Sie unter Einführung in Google Cloud-Pipeline-Komponenten.

Informationen zum Erstellen einer Pipeline mit Kubeflow Pipelines finden Sie unter Pipeline erstellen. Weitere Informationen zu Kubeflow Pipelines finden Sie in der Kubeflow Pipelines-Dokumentation.

TFX-SDK (TensorFlow Extended)

Logo: TFX SDK Verwenden Sie TFX, wenn Sie TensorFlow Extended in Ihrem ML-Workflow verwenden, um Terabyte strukturierter oder Textdaten zu verarbeiten. Vertex AI Pipelines unterstützt das TFX SDK v0.30.0 oder höher.

Wie Sie ML-Pipelines mithilfe von TFX erstellen, erfahren Sie im Abschnitt Erste Schritte der Anleitungen zu TensorFlow Extended in Production.

Schnittstellen zum Ausführen einer Pipeline

Nachdem Sie Ihre ML-Pipeline definiert haben, können Sie über eine der folgenden Schnittstellen eine ML-Pipelineausführung erstellen:

  • REST API

  • SDK-Clients

  • Google Cloud Console

Weitere Informationen zu den Schnittstellen, mit denen Sie mit Vertex AI interagieren können, finden Sie unter Schnittstellen für Vertex AI.

REST API

Zum Erstellen einer Pipeline-Ausführung mit REST verwenden Sie die Dienst-API Pipelines. Diese API verwendet die REST-Ressource projects.locations.pipelineJobs.

SDK-Clients

Mit Vertex AI Pipelines können Sie Pipelineausführungen mit dem Vertex AI SDK für Python oder Clientbibliotheken erstellen.

Vertex AI SDK für Python

Das Vertex AI SDK für Python (aiplatform) ist das empfohlene SDK für die programmatische Arbeit mit der Pipelines API. Weitere Informationen zu diesem SDK finden Sie in der API-Dokumentation zu google.cloud.aiplatform.PipelineJob.

Clientbibliotheken

Clientbibliotheken sind programmgesteuert generierte API-Clients (GAPIC). Vertex AI Pipelines unterstützt die folgenden Clientbibliotheken:

  • Python (aiplatform v1 und v1beta1)

  • Java

  • Node.js

  • Go

Weitere Informationen finden Sie unter Vertex AI-Clientbibliotheken installieren.

Google Cloud Console (GUI)

Die Google Cloud Console ist die empfohlene Methode zum Prüfen und Überwachen Ihrer Pipelineausführungen. Sie können weitere Aufgaben mit der Google Cloud Console ausführen, z. B. Pipelineausführungen erstellen, löschen und klonen, auf die Vorlagengalerie zugreifen und das Abrechnungslabel für eine Pipelineausführung abrufen.

Zu Pipelines in der Google Cloud Console

Nächste Schritte