L'SDK Vertex AI include anche classi per creare soluzioni di IA generativa con modelli di base di testo, codice, chat e embedding di testo. Puoi utilizza queste classi per generare testo, creare un chatbot di testo o codice, modello di base e creare un incorporamento del testo. Un embedding di testo è un testo nella forma di un vettore utilizzato per cercare elementi. Per ulteriori informazioni, consulta Introduzione alle classi di modelli linguistici nell'SDK Vertex AI.
Puoi utilizzare l'SDK Vertex AI per Python nei notebook JupyterLab ospitati in Vertex AI per scrivere ed eseguire il codice. I notebook includono framework ML preinstallati, come TensorFlow e PyTorch. Puoi anche usare altri blocchi note, come i blocchi note di Colab, oppure usa un ambiente di sviluppo a tua scelta che supporta Python.
Se vuoi provare subito a utilizzare l'SDK Vertex AI per Python, consulta quanto segue di risorse:
- Introduzione all'SDK Vertex AI per Python
- Riferimento all'SDK Vertex AI
- Riferimento per il modello linguistico dell'SDK Vertex AI
- Addestra un modello utilizzando Vertex AI e l'SDK Python
L'SDK Vertex AI include molte classi per aiutarti ad automatizzare i dati per l'importazione, addestrare i modelli e ottenere previsioni. Include inoltre corsi per aiutare monitori, valuti e ottimizzi il flusso di lavoro di machine learning (ML). La possono essere raggruppati nelle seguenti categorie:
- Le classi di dati includono corsi che funzionano con dati strutturati, non strutturati e Vertex AI Feature Store.
- I classi di addestramento includono classi che funzionano con l'addestramento AutoML per dati strutturati e non strutturati, addestramento personalizzato, addestramento degli iperparametri e addestramento della pipeline.
- Le classi di modelli funzionano con i modelli e le relative valutazioni.
- Le classi di previsione funzionano con previsioni batch online previsioni e previsioni di Vector Search.
- Le classi di monitoraggio funzionano con Vertex ML Metadata, Vertex AI Experiments e Vertex AI TensorBoard.