跳至主要內容
Google Cloud
說明文件 技術領域
  • AI 和機器學習
  • 應用程式開發
  • 應用程式託管
  • 運算
  • 資料分析和管道
  • 資料庫
  • 分散式混合雲與多雲端
  • 生成式 AI
  • 產業解決方案
  • 網路
  • 觀測能力與監控
  • 安全性
  • Storage
跨產品工具
  • 存取權和資源管理
  • 費用和用量管理
  • Google Cloud SDK、語言、架構和工具
  • 基礎架構即程式碼
  • 遷移
相關網站
  • Google Cloud 首頁
  • 免費試用與免費方案
  • Architecture Center
  • 網誌
  • 聯絡銷售人員
  • Google Cloud Developer Center
  • Google 開發人員中心
  • Google Cloud Marketplace
  • Google Cloud Marketplace 說明文件
  • Google Cloud Skills Boost
  • Google Cloud 解決方案中心
  • Google Cloud 支援
  • Google Cloud Tech YouTube 頻道
/
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Português
  • Português – Brasil
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
控制台 登入
  • Vertex AI
指南 參考資料 範例 支援 資源
聯絡我們 免費試用
Google Cloud
  • 說明文件
    • 指南
    • 參考資料
    • 範例
    • 支援
    • 資源
  • 技術領域
    • 更多
  • 跨產品工具
    • 更多
  • 相關網站
    • 更多
  • 控制台
  • 聯絡我們
  • 免費試用
  • Discover
  • 總覽
  • Vertex AI 簡介
  • Vertex AI 中的機器學習運作
  • Vertex AI 介面
  • Vertex AI 新手指南
    • 訓練 AutoML 模型
    • 訓練自訂模型
    • 透過自訂模型取得推論結果
    • 使用 Vertex AI 和 Python SDK 訓練模型
      • 簡介
      • 必備條件
      • 建立筆記本
      • 建立資料集
      • 建立訓練指令碼
      • 訓練模型
      • 進行推論
  • 整合式機器學習架構
    • PyTorch
    • TensorFlow
  • 適用於 BigQuery 使用者的 Vertex AI
  • 詞彙解釋
  • 開始使用
  • 設定專案和開發環境
  • 安裝 Vertex AI SDK for Python
  • 選擇訓練方法
  • 參加教學課程
    • 教學課程總覽
    • AutoML 教學課程
      • Hello 圖片資料
        • 總覽
        • 設定專案和環境
        • 建立資料集及匯入圖片
        • 訓練 AutoML 圖片分類模型
        • 評估及分析模型效能
        • 將模型部署至端點及執行推論工作
        • 清除專案所用資源
      • Hello 表格型資料
        • 總覽
        • 設定專案和環境
        • 建立資料集及訓練 AutoML 分類模型
        • 部署模型並要求推論
        • 清除專案所用資源
    • 自訂訓練教學課程
      • 訓練自訂表格模型
      • 訓練 TensorFlow Keras 圖片分類模型
        • 總覽
        • 設定專案和環境
        • 訓練自訂圖片分類模型
        • 透過自訂圖片分類模型提供預測結果
        • 清除專案所用資源
      • 使用自訂資料微調圖片分類模型
    • 自訂訓練筆記本教學課程
  • 使用生成式 AI 和大型語言模型
  • 關於生成式 AI
  • 使用 Vertex AI 開發工具
  • 開發工具總覽
  • 使用 Vertex AI SDK
    • 總覽
    • Python 適用的 Vertex AI SDK 簡介
    • Python 適用的 Vertex AI SDK 類別
      • Vertex AI SDK 類別總覽
      • 資料類別
      • 訓練課程
      • 模型類別
      • 預測類別
      • 追蹤類別
  • 在筆記本中使用 Vertex AI
    • 選擇筆記本解決方案
    • Colab Enterprise
      • 快速入門導覽課程:使用主控台建立筆記本
      • 連線至執行階段
      • 管理執行階段和執行階段範本
        • 建立執行階段範本
        • 建立執行階段
    • Vertex AI Workbench
      • 簡介
      • 筆記本教學課程
      • 開始使用
        • 使用控制台建立執行個體
        • 排定筆記本執行時間
      • 設定執行個體
        • 建立執行個體
        • 建立特定版本的執行個體
        • 建立具有使用者憑證存取權的執行個體
        • 建立機密運算執行個體
        • 新增 conda 環境
        • 閒置關閉
        • 使用自訂容器建立執行個體
        • 建立啟用 Dataproc 的執行個體
        • 使用第三方憑證建立執行個體
        • 透過中繼資料管理功能
        • 使用預留項目
      • 連結至資料
        • 在 JupyterLab 內查詢 BigQuery 中的資料
        • 在 JupyterLab 中存取 Cloud Storage bucket 和檔案
      • 探索資料並以圖表呈現
        • 探索 BigQuery 中的資料並以視覺化方式呈現
      • 維持
        • 管理 conda 環境
        • 備份與還原
          • 將筆記本儲存至 GitHub
          • 使用快照
          • 使用 Cloud Storage
        • 關閉執行個體
        • 升級執行個體環境
        • 使用 SSH 存取 JupyterLab
        • 將資料遷移至新執行個體
        • 變更機器類型並設定 GPU
        • 使用 Terraform 佈建資源
      • 監控
        • 監控健康狀態
      • 控管存取權
        • 存取權控管
        • 管理執行個體存取權
        • 管理執行個體 JupyterLab 介面的存取權
        • 使用客戶自行管理的加密金鑰
        • 在服務範圍內使用執行個體
      • 排解 Vertex AI Workbench 問題
      • Vertex AI Workbench 版本資訊
      • 代管的筆記本
        • 代管筆記本簡介
        • 開始使用
          • 使用 Cloud 控制台建立代管型筆記本執行個體
          • 安排代管型筆記本執行時間
        • 設定代管型筆記本執行個體
          • 使用自訂容器建立執行個體
          • 在 Dataproc 叢集中執行代管型筆記本執行個體
          • 將 Dataproc Serverless Spark 與代管筆記本搭配使用
          • 閒置關閉
          • 代管筆記本版本
        • 連結至資料
          • 在 JupyterLab 內查詢 BigQuery 中的資料
          • 在 JupyterLab 中存取 Cloud Storage bucket 和檔案
        • 探索資料並以圖表呈現
          • 總覽
          • 探索 BigQuery 中的資料並以視覺化方式呈現
        • 開發模型
          • 在代管型筆記本執行個體中開發模型
        • 部署
          • 使用執行器執行筆記本檔案
          • 使用參數執行筆記本
        • 維持
          • 遷移至 Vertex AI Workbench 執行個體
          • 將筆記本儲存至 GitHub
          • 變更受管理筆記本執行個體的機器類型並設定 GPU
          • 升級代管型筆記本執行個體的環境
          • 將資料遷移至新的代管筆記本執行個體
        • 監控
          • 稽核記錄功能
        • 控管存取權
          • 存取權控管
          • 管理執行個體存取權
          • 管理執行個體 JupyterLab 介面的存取權
          • 使用客戶自行管理的加密金鑰
          • 設定網路
          • 在服務範圍內使用代管型筆記本執行個體
        • 排解代管型筆記本問題
      • 使用者自行管理的筆記本
        • 使用者管理的筆記本簡介
        • 開始使用
          • 使用 Cloud 控制台建立使用者自行管理的筆記本執行個體
        • 設定由使用者管理的筆記本執行個體
          • 建立特定版本的執行個體
          • 安裝依附元件
          • 選擇虛擬機器映像檔
          • 使用自訂容器建立執行個體
        • 探索資料
          • 在 Google Cloud 上使用 R 進行數據資料學作業:探索式資料分析教學課程
        • 監控
          • 監控健康狀態
          • 稽核記錄功能
        • 控管存取權
          • 存取權控管
          • 管理執行個體存取權
          • 管理執行個體 JupyterLab 介面的存取權
          • 客戶自行管理的加密金鑰
          • 在服務範圍內存取使用者自行管理的筆記本執行個體
          • 透過使用者自行管理的筆記本使用受防護的虛擬機器
          • 教學課程:在虛擬私有雲網路中建立 Notebooks 執行個體
        • 維持
          • 遷移至 Vertex AI Workbench 執行個體
          • 將筆記本儲存至 GitHub
          • 使用快照備份資料
          • 關閉使用者管理的筆記本執行個體
          • 變更機器類型,並設定由使用者管理的筆記本執行個體的 GPU
          • 升級使用者自行管理的筆記本執行個體的環境
          • 將資料遷移至新的使用者管理的筆記本執行個體
          • 使用 Notebooks API 註冊舊版執行個體
          • 使用 SSH 存取 JupyterLab
        • 排解使用者自行管理的筆記本問題
  • Vertex AI 的 Terraform 支援
  • 開發預測 AI 模型
  • 總覽
  • 開發 AutoML 模型
    • AutoML 訓練總覽
    • 圖片資料
      • 分類
        • 準備資料
        • 建立資料集
        • 訓練模型
        • 評估模型
        • 取得預測結果
        • 解讀結果
      • 物件偵測
        • 準備資料
        • 建立資料集
        • 訓練模型
        • 評估模型
        • 取得預測結果
        • 解讀結果
      • 使用 Base64 執行圖片資料編碼
      • 匯出 AutoML Edge 模型
    • 表格資料
      • 總覽
      • 表格資料簡介
      • 表格工作流程
        • 總覽
        • 特徵工程
        • 端對端 AutoML
          • 總覽
          • 訓練模型
          • 取得線上推論結果
          • 取得批次推論結果
        • TabNet
          • 總覽
          • 訓練模型
          • 取得線上推論結果
          • 取得批次推論結果
        • 廣度和深度
          • 總覽
          • 訓練模型
          • 取得線上推論結果
          • 取得批次推論結果
        • 預測
          • 總覽
          • 訓練模型
          • 取得線上推論結果
          • 取得批次推論結果
        • 定價
        • 服務帳戶
        • 管理配額
      • 使用 AutoML 執行分類和迴歸
        • 總覽
        • 快速入門導覽課程:AutoML 分類 (Cloud Console)
        • 準備訓練資料
        • 建立資料集
        • 訓練模型
        • 評估模型
        • 查看模型架構
        • 取得線上推論結果
        • 取得批次推論結果
        • 匯出模型
      • 使用 AutoML 執行預測
        • 總覽
        • 準備訓練資料
        • 建立資料集
        • 訓練模型
        • 評估模型
        • 取得推論結果
        • 階層式預測
      • 使用 ARIMA+ 執行預測
      • 使用 Prophet 進行預測
      • 執行實體協調
      • 分類和迴歸的特徵歸因
      • 預測的特徵歸因
      • AutoML 表格型資料的資料類型與轉換作業
      • 預測的訓練參數
      • 表格型資料的資料分割
      • 建立表格型訓練資料的最佳做法
      • 使用時間序列深入分析進行預測
    • 訓練 AutoML Edge 模型
      • 使用主控台
      • 使用 API
    • AutoML Text
      • 從 AutoML 文字遷移至 Gemini
      • 適用於 AutoML 文字使用者的 Gemini
  • Vertex AI 訓練
    • Vertex AI 自訂訓練總覽
    • 載入及準備資料
      • 資料準備總覽
      • 將 Cloud Storage 做為掛接的檔案系統使用
      • 掛接 NFS 共用檔案以進行自訂訓練
      • 使用代管型資料集
    • 準備訓練應用程式
      • 瞭解自訂訓練服務
      • 準備訓練程式碼
      • 使用預先建構的容器
        • 為預先建立的容器建構 Python 訓練應用程式
        • 用於自訂訓練的預先建構容器
      • 使用自訂容器
        • 用於訓練工作的自訂容器
        • 建立自訂容器
        • 在本機進行容器化及執行訓練程式碼
      • 使用深度學習 VM 映像檔和容器
    • 以永久資源進行訓練
      • 總覽
      • 建立永久性資源
      • 在永久資源上執行訓練工作
      • 取得永久性資源資訊
      • 重新啟動永久資源
      • 刪除永久性資源
    • 設定訓練工作
      • 選擇自訂訓練方法
      • 選擇訓練用的容器設定
      • 設定訓練所需的運算資源
      • 在訓練中使用預留項目
      • 使用 Spot VM 進行訓練
    • 提交訓練工作
      • 可建立自訂工作
      • 超參數調整
        • 超參數調整總覽
        • 使用超參數調整
      • 可建立訓練管線
      • 根據資源可用性排定工作
      • 使用分散式訓練
      • 使用 Cloud TPU VM 進行訓練
      • 使用私人 IP 進行自訂訓練
      • 使用 Private Service Connect 介面進行訓練 (建議)
    • 執行神經架構搜尋
      • 總覽
      • 設定環境
      • 新手教學課程
      • 最佳做法和工作流程
      • Proxy 工作設計
      • 提升 PyTorch 的訓練速度
      • 使用預先建構的訓練容器和搜尋空間
    • 監控與偵錯
      • 使用互動式殼層監控訓練並偵錯
      • 分析模型訓練成效
    • 使用 Vertex AI Vizier 進行最佳化
      • Vertex AI Vizier 總覽
      • 建立 Vertex AI Vizier 研究
      • Vertex AI Vizier 筆記本教學課程
    • 取得推論結果
    • 教學課程:建構持續訓練管道
    • 建立自訂機構政策限制
  • Ray on Vertex AI
    • Ray on Vertex AI 簡介
    • 設定 Ray on Vertex AI
    • 在 Vertex AI 上建立 Ray 叢集
    • 監控 Vertex AI 上的 Ray 叢集
    • 在 Vertex AI 上擴充 Ray 叢集
    • 在 Vertex AI 上開發 Ray 應用程式
    • 在 Vertex AI 的 Ray 叢集上執行 Spark
    • 將 Ray on Vertex AI 與 BigQuery 搭配使用
    • 部署模型並取得推論結果
    • 刪除 Ray 叢集
    • Ray on Vertex AI 筆記本教學課程
  • 生成式 AI 模型開發
  • 總覽
  • 建立及管理資料集
  • 總覽
  • AutoML 模型的資料分割作業
  • 建立註解集
  • 刪除註解集
  • 新增標籤 (控制台)
  • 匯出資料集內的中繼資料和註解
  • 管理資料集版本
  • 使用 Data Catalog 搜尋模型和資料集資源
  • 取得推論結果
  • 總覽
  • 設定用於推論的模型
    • 匯出用於推論的模型構件
    • 用於推論的預先建構容器
    • 推論工作的自訂容器需求
    • 使用自訂容器進行推論
    • 使用任意自訂路徑
    • 使用最佳化的 TensorFlow 執行階段
    • 使用 NVIDIA Triton 提供推論結果
    • 自訂推論處理常式
  • 取得線上推論結果
    • 建立端點
      • 選擇端點類型
      • 建立公開端點
      • 使用專屬公開端點 (建議)
      • 使用以 Private Service Connect 為基礎的專屬私人端點 (建議)
      • 使用私人服務存取端點
    • 將模型部署至端點
      • 模型部署總覽
      • 推論作業的運算資源
      • 使用 Google Cloud 控制台部署模型
      • 使用 gcloud CLI 或 Vertex AI API 部署模型
      • 使用自動調度資源功能進行推論
      • 使用滾動式部署作業取代已部署的模型
      • 取消部署模型並刪除端點
      • 使用 Cloud TPU 進行線上推論
      • 搭配線上推論使用預留項目
      • 搭配推論使用彈性啟動 VM
      • 搭配推論使用 Spot VM
    • 取得線上推論結果
    • 查看線上推論指標
      • 查看端點指標
      • 查看 DCGM 指標
    • 在不同部署作業之間共用資源
    • 使用線上推論記錄
  • 取得批次推論結果
    • 透過自訂模型取得批次推論結果
    • 搭配批次推論使用預留項目
    • 從自行部署的 Model Garden 模型取得批次預測結果
  • 提供生成式 AI 模型服務
    • 部署生成式 AI 模型
    • 透過 Saxml 和 Cloud TPU 提供 Gemma 開放原始碼模型
    • 透過 Saxml 和多主機 Cloud TPU 提供 Llama 3 開放原始碼模型
    • 使用多主機 GPU 部署作業提供 DeepSeek-V3 模型
  • 自訂機構政策
  • Vertex AI 推論筆記本教學課程
  • 執行向量相似度搜尋
  • Vector Search 總覽
  • 試試看
  • 開始使用
    • Vector Search 快速入門導覽課程
    • 事前準備
    • 筆記本教學課程
  • 關於混合型搜尋
  • 建立及管理索引
    • 輸入資料格式和結構
    • 建立及管理索引
    • 儲存空間最佳化索引
    • 索引設定參數
    • 更新並重建索引
    • 篩選向量比對結果
    • 從 BigQuery 匯入索引資料
    • 含有中繼資料的嵌入內容
  • 部署及查詢索引
    • Private Service Connect (建議)
      • 使用 Private Service Connect 設定向量搜尋功能
      • 查詢
      • JSON Web Token 驗證
    • 公開端點
      • 部署
      • 查詢
    • 私人服務存取權
      • 設定虛擬私有雲網路對等互連連線
      • 部署
      • 查詢
      • JSON Web Token 驗證
  • 監控已部署的索引
  • 使用自訂機構政策
  • 取得支援
  • 機器學習運作 (MLOps)
  • 管理功能
    • 在 Vertex AI 中管理特徵
    • Vertex AI 特徵儲存庫
      • 關於 Vertex AI 特徵儲存庫
      • 設定功能
        • 準備資料來源
        • 建立特徵群組
        • 建立特徵
      • 設定線上供應
        • 線上放送類型
        • 建立網路商店執行個體
        • 建立特徵檢視執行個體
      • 控管存取權
        • 控管資源存取權
      • 同步處理網路商店
        • 開始同步處理資料
        • 列出同步作業
        • 更新特徵檢視中的特徵
      • 提供特徵
        • 提供網路商店的特徵
        • 提供歷來特徵值
      • 監控
        • 監控功能
      • 管理功能資源
        • 列出特徵群組
        • 列出特徵
        • 更新特徵群組
        • 更新功能
        • 刪除特徵群組
        • 刪除特徵
      • 管理網路商店資源
        • 列出網路商店
        • 列出特徵檢視畫面
        • 更新網路商店
        • 更新特徵檢視
        • 刪除線上商店
        • 刪除特徵檢視表
      • 特徵中繼資料
        • 更新標籤
      • 搜尋資源
        • 搜尋資源
        • 在 Data Catalog 中搜尋資源中繼資料
      • 管理嵌入
        • 使用嵌入搜尋
      • 筆記本教學課程
        • Vertex AI 特徵儲存庫教學課程筆記本
    • Vertex AI 特徵儲存庫 (舊版)
      • 關於 Vertex AI 特徵儲存庫 (舊版)
      • 資料模型與資源
      • 來源資料條件
      • 設定
      • 最佳做法
      • 使用 Vertex AI 特徵儲存庫 (舊版)
        • 管理特徵儲存庫
        • 管理實體類型
        • 管理及搜尋功能
        • 批次匯入
        • 串流匯入
        • 線上提供
        • 擷取訓練資料
        • 匯出特徵值
        • 刪除特徵值
        • 監控
        • 控管資源存取權
  • 管理模型
    • Vertex AI Model Registry 簡介
    • Model Registry 中的版本管理
    • 將模型匯入 Model Registry
    • 複製 Model Registry 中的模型
    • 刪除模型
    • 整合 BigQuery ML
    • 使用模型別名
    • 使用模型標籤
    • 使用 Data Catalog 搜尋模型和資料集資源
  • 評估模型
    • Vertex AI 的模型評估
    • 在 Vertex AI 中執行模型評估
    • 模型公平性評估
      • 模型公平性評估簡介
      • Vertex AI 的資料偏差指標
      • Vertex AI 的模型偏誤指標
    • 模型評估筆記本教學課程
  • 使用管道自動化調度管理機器學習工作流程
    • 簡介
    • 介面
    • 設定專案
    • 建立管道
    • 執行管道
    • 使用管道範本
      • 建立、上傳及使用管道範本
      • 使用範本庫中的預建範本
    • 設定管道
      • 設定執行作業快取
      • 設定失敗政策
      • 設定管道工作的重試次數
      • 指定管道步驟的機器類型
      • 使用 Vertex AI Pipelines 要求 Google Cloud 機器資源
      • 設定 Private Service Connect 介面 (建議)
      • 使用 Secret Manager 設定密鑰
      • 在永久資源上設定管道執行作業
    • 排定及觸發管道執行作業
      • 使用排程器 API 排定管道執行作業
      • 透過 Pub/Sub 觸發管道執行作業
    • 取消或刪除管線執行作業
      • 取消管道執行作業
      • 刪除管線執行作業
    • 重新執行管道
    • 監控管道執行作業
      • 查看管道指標
      • 查看管道工作記錄
      • 將記錄檔轉送至 Cloud Pub/Sub 接收器
      • 設定電子郵件通知
    • 以視覺化方式呈現結果
      • 分析管道結果並予以視覺化呈現
      • 追蹤管道構件的歷程
      • 輸出 HTML 和 Markdown
    • Vertex AI Pipelines 的資源標籤
    • 瞭解管道執行費用
    • 從 Kubeflow 管道遷移至 Vertex AI 管道
    • 使用自訂限制
    • Google Cloud 管道元件
      • 快速入門導覽課程
      • Google Cloud 管道元件簡介
      • Google Cloud 管道元件清單
      • 使用 Google Cloud 管道元件
      • 建構專屬的管道元件
    • Vertex AI 管道教學課程
      • 教學課程筆記本
  • 追蹤及分析機器學習中繼資料
    • Vertex 機器學習中繼資料簡介
    • 資料模型與資源
    • 設定專案的中繼資料儲存庫
    • 使用 Vertex 機器學習中繼資料
      • 追蹤 Vertex 機器學習中繼資料
      • 分析 Vertex 機器學習中繼資料
      • 管理 Vertex 機器學習中繼資料
      • 系統結構定義
      • 建立及使用自訂結構定義
      • 搭配中繼資料儲存庫使用自訂限制
    • Vertex 機器學習中繼資料筆記本教學課程
  • 瞭解模型行為
    • Explainable AI 簡介
    • 設定自訂訓練的範例式說明
    • 設定自訂訓練的特徵式說明
      • 設定說明
      • 調整視覺化呈現設定
      • 提高說明品質
    • 設定 AutoML 圖片分類的特徵說明
      • 調整視覺化呈現設定
      • 提高說明品質
    • 使用 TensorFlow 進行說明
    • 取得說明
    • Explainable AI 的限制
    • Explainable AI 筆記本教學課程
  • 監控模型品質
    • 模型監控簡介
    • 模型監控第 2 版
      • 設定模型監控
      • 執行監控工作
      • 管理模型監控器
    • 模型監控 v1
      • 提供結構定義給模型監控功能
      • 監控特徵偏差和偏移
      • 監控特徵歸因偏移與偏差
      • 批次預測的模型監控
  • 追蹤實驗
    • Vertex AI Experiments 簡介
    • 設定 Vertex AI Experiments
    • 建立實驗
    • 建立及管理實驗執行
    • 記錄檔資料
      • 自動將資料記錄到實驗執行中
      • 手動將資料記錄到實驗執行中
    • 將模型記錄到實驗執行中
    • 追蹤執行作業和構件
    • 將管道執行項目新增至實驗
    • 執行訓練工作並追蹤實驗
    • 比較及分析執行作業
    • 使用 Vertex AI TensorBoard
      • Vertex AI TensorBoard 簡介
      • 設定 Vertex AI TensorBoard
      • 設定訓練指令碼
      • 使用 Vertex AI TensorBoard 進行自訂訓練
      • 搭配使用 Vertex AI TensorBoard 與 Vertex AI Pipelines
      • 手動記錄 TensorBoard 資料
      • 上傳現有記錄
      • 查看 Vertex AI TensorBoard
    • 筆記本教學課程
      • 開始使用 Vertex AI Experiments
      • 比較管道執行作業
      • 模型訓練
      • 比較模型
      • 自動記錄
      • 自訂訓練自動記錄
      • 追蹤自訂訓練的參數和指標
      • 刪除過舊的 Vertex AI TensorBoard 實驗
      • 使用自訂容器進行 Vertex AI TensorBoard 自訂訓練
      • 使用預建容器進行 Vertex AI TensorBoard 自訂訓練
      • 使用 HParams 資訊主頁進行 Vertex AI TensorBoard 超參數調整
      • 使用 Cloud Profiler 分析模型訓練成效
      • 在自訂訓練中,使用預先建構的容器和 Cloud Profiler,分析模型訓練成效
      • Vertex AI TensorBoard 與 Vertex AI Pipelines 整合
  • 管理
  • 存取權控管
    • 使用 IAM 控管存取權
    • IAM 權限
    • 為團隊設定專案
    • 控管 Vertex AI 端點的存取權
    • 使用自訂服務帳戶
    • 使用客戶自行管理的加密金鑰
    • 資料存取透明化控管機制
  • 監控 Vertex AI 資源
    • Cloud Monitoring 指標
    • 稽核記錄資訊
  • 網路
    • 網路存取權總覽
    • 存取 Vertex AI API
    • 透過私人服務存取權存取 Vertex AI 服務
    • 透過 PSC 端點存取 Vertex AI 服務
    • 透過 PSC 介面存取 Vertex AI 服務
    • 設定虛擬私有雲網路對等互連
    • 設定連線至其他網路
    • 設定 Private Service Connect 介面
    • 教學課程:從內部部署系統私下存取訓練管道
    • 教學課程:從地端私下存取 Vector Search 索引
    • 教學課程:從地端存取 Generative AI API
    • 教學課程:從內部部署環境私下存取批次預測結果
    • 教學課程:在虛擬私有雲網路中建立 Vertex AI Workbench 執行個體
  • 安全性
    • VPC Service Controls
    • 允許服務範圍外的受保護資源存取公開端點
    • 允許服務範圍外的受保護資源存取要求
    • 允許服務範圍內的受保護資源存取要求
  • 命名資源
  • 範例與教學課程
  • 筆記本教學課程
  • 程式碼範例
    • 所有 Vertex AI 程式碼範例
    • 所有產品的程式碼範例
  • AI 和機器學習
  • 應用程式開發
  • 應用程式託管
  • 運算
  • 資料分析和管道
  • 資料庫
  • 分散式混合雲與多雲端
  • 生成式 AI
  • 產業解決方案
  • 網路
  • 觀測能力與監控
  • 安全性
  • Storage
  • 存取權和資源管理
  • 費用和用量管理
  • Google Cloud SDK、語言、架構和工具
  • 基礎架構即程式碼
  • 遷移
  • Google Cloud 首頁
  • 免費試用與免費方案
  • Architecture Center
  • 網誌
  • 聯絡銷售人員
  • Google Cloud Developer Center
  • Google 開發人員中心
  • Google Cloud Marketplace
  • Google Cloud Marketplace 說明文件
  • Google Cloud Skills Boost
  • Google Cloud 解決方案中心
  • Google Cloud 支援
  • Google Cloud Tech YouTube 頻道
本頁面由 Cloud Translation API 翻譯而成。
  • Home
  • Documentation
  • AI and ML
  • Vertex AI

使用 Vertex AI SDK

Vertex AI SDK 可讓您使用 Google 的生成式 AI 模型和功能,建構 AI 技術輔助應用程式。

Vertex AI SDK 適用於 Python、Go、Java 和 Node.js。如要瞭解各個 SDK,請參閱以下內容:

  • Vertex AI SDK for Python
  • Vertex AI Node.js SDK
  • Vertex AI Java SDK
  • Vertex AI Go SDK

除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。

上次更新時間:2025-10-19 (世界標準時間)。

  • 選用 Google 的理由

    • 選擇 Google Cloud
    • 信任與安全性
    • 新型基礎架構雲端
    • 多雲端
    • 全球基礎架構
    • 客戶與個案研究
    • 分析師報告
    • 白皮書
  • 產品與定價

    • 查看所有產品/服務
    • 查看所有解決方案
    • Google Cloud for Startups
    • Google Cloud Marketplace
    • Google Cloud 定價
    • 與銷售人員聯絡
  • 支援服務

    • Community forums
    • 支援服務
    • 版本資訊
    • 系統狀態
  • 實用資源

    • GitHub
    • 開始使用 Google Cloud
    • Google Cloud 說明文件
    • 程式碼範例
    • 雲端架構中心
    • 訓練與認證
    • 開發人員中心
  • 互動交流

    • 網誌
    • 活動
    • X (Twitter)
    • Google Cloud 的 YouTube 頻道
    • Google Cloud Tech 的 YouTube 頻道
    • 成為合作夥伴
    • Google Cloud Affiliate Program
    • 新聞中心
  • 關於 Google
  • 隱私權
  • 網站條款
  • Google Cloud 服務條款
  • Manage cookies
  • 我們的第三個十年氣候計畫:加入我們
  • 訂閱 Google Cloud 電子報 訂閱
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Português
  • Português – Brasil
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어