Informationen zum Erstellen und Verwalten einer Pipeline mit Vertex AI Pipelines
-
Einführung in Vertex AI Pipelines
Weitere Informationen zur Verwendung von Vertex AI Pipelines zur Automatisierung, Überwachung und Verwaltung Ihres ML-Workflows.
-
Google Cloud-Projekt für Vertex Pipelines konfigurieren
Richten Sie Ihr Google Cloud-Projekt für die Verwendung mit Vertex AI Pipelines ein.
-
Pipeline erstellen
Hier erfahren Sie, wie Sie Ihren ML-Workflow als Pipeline beschreiben, Ihre Pipeline in eine JSON-Datei kompilieren und Ihre Pipeline senden und ausführen.
-
Pipeline ausführen
Erfahren Sie, wie Sie eine definierte Pipeline mit Vertex AI Pipelines in der Google Cloud Console oder mit dem Vertex AI SDK für Python ausführen.
-
Ausführungs-Caching konfigurieren
Informationen zum Aktivieren und Deaktivieren der Verwendung von Caching-Ergebnissen aus vorherigen Ausführungen, wenn Sie eine Pipeline ausführen.
-
Maschinenkonfiguration für einen Pipelineschritt angeben
Weitere Informationen zum Konfigurieren von Maschinentypparametern für Instanzen von Pipelinekomponenten
-
Google Cloud-Maschinenressourcen mit Vertex AI Pipelines anfordern
Erfahren Sie, wie Sie eine Komponente mit Google Cloud-spezifischen Maschinenressourcen ausführen, die vom benutzerdefinierten Training für Vertex AI angeboten werden.
-
Secrets mit Secret Manager konfigurieren
Erfahren Sie, wie Sie eine Pipeline ausführen, die auf ein in Secret Manager gespeichertes Secret zugreift.
-
Pipeline-Ausführung mit der Scheduler API planen
Hier erfahren Sie, wie Sie eine Pipeline-Ausführung mit der Scheduler API planen.
-
Mit Pub/Sub ausgeführte Pipeline auslösen
Hier erfahren Sie, wie Sie eine Pipeline-Ausführung mit Pub/Sub auslösen.
-
E-Mail-Benachrichtigungen konfigurieren
Erfahren Sie, wie Sie E-Mail-Benachrichtigungen aus Ihrer Pipeline konfigurieren.
-
Pipelineergebnisse visualisieren und analysieren
Erfahren Sie, wie Sie Vertex AI-Pipelines verwenden, um Pipeline-Ausführungen zu visualisieren, abzurufen und zu vergleichen.
-
Herkunft von Pipeline-Artefakten verfolgen
Mit Vertex AI Pipelines und Vertex ML-Metadaten können Sie die Herkunft von Pipeline-Artefakten analysieren.
-
Ausgabe-HTML und Markdown
Weitere Informationen zur Verwendung von benutzerdefinierten HTML- und Markdown-Visualisierungsartefakten.
-
Von Kubeflow Pipelines zu Vertex AI Pipelines migrieren
Erfahren Sie mehr über die Unterschiede zwischen Kubeflow Pipelines und Vertex AI Pipelines.
-
Schnellstart
Erfahren Sie, wie Sie das Google Cloud Pipeline Components SDK installieren und eine Komponente importieren.
-
Einführung in die Komponenten der Google Cloud-Pipeline
Weitere Informationen zum Hinzufügen vordefinierter Google Cloud-Pipeline-Komponenten zur Verwendung der Vertex-KI-Funktionalität in Ihrer Pipeline
-
Komponentenliste der Google Cloud-Pipeline
Sehen Sie sich eine Liste der Google Cloud-Pipeline-Komponenten und der von Vertex AI unterstützten Funktionen an.
-
Google Cloud-Pipeline-Komponenten verwenden
Hier erfahren Sie, wie Sie Google Cloud-Pipeline-Komponenten verwenden.
-
Eigene Pipeline-Komponenten erstellen
Mehr über das Erstellen eigener Pipeline-Komponenten erfahren.
-
SDK-Referenz für Google Cloud-Pipeline-Komponenten
Offizielle Referenz für das Google Cloud Pipeline Components SDK lesen
-
Vertex ML-Metadatenartefakte
Sehen Sie sich Referenzinformationen zu Artefakten an, die von Google Cloud-Pipeline-Komponenten definiert werden, die Sie für das Tracking und andere Funktionen verwenden können.
-
Dataflow-Komponenten
Sehen Sie sich Referenzinformationen zu Dataflow-Komponenten an.
-
Dataproc Serverless-Komponenten
Sehen Sie sich die Referenzinformationen zu serverlosen Dataproc-Komponenten an.
-
CustomJob-Komponenten
Referenzinformationen zu CustomJob-Komponenten ansehen
-
Batchvorhersagekomponente
Referenzinformationen zur Batchvorhersagekomponente ansehen.
-
Modell- und Endpunktkomponenten
Modell- und Endpunkt-Referenzinformationen ansehen
-
Vertex AI (aiplatform) AutoML-Komponenten
Referenzinformationen zu Vertex AI AutoML-Komponenten ansehen
-
BigQuery ML-Komponenten
Referenzinformationen zu BigQuery ML-Komponenten ansehen.
-
Komponenten der Hyperparameter-Abstimmung
Referenzinformationen zu Hyperparameter-Abstimmungskomponenten ansehen.
-
Komponente der E-Mail-Benachrichtigung
Referenzinformationen zur E-Mail-Benachrichtigungskomponente ansehen.