Vertex AI-Clientbibliotheken installieren

Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Clientbibliotheken bieten eine optimierte Entwicklung für den Aufruf der Vertex AI API. Die Clientbibliotheken verwenden die natürlichen Konventionen jeder unterstützten Sprache und reduzieren Standardcode, den Sie schreiben müssen. Im folgenden Leitfaden wird die Installation beschrieben.

Hinweis

  1. Melden Sie sich bei Ihrem Google Cloud-Konto an. Wenn Sie mit Google Cloud noch nicht vertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.
  2. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

    Zur Projektauswahl

  3. Vertex AI API aktivieren.

    Aktivieren Sie die API

  4. Erstellen Sie ein Dienstkonto:

    1. Wechseln Sie in der Google Cloud Console zur Seite Dienstkonto erstellen.

      Zur Seite „Dienstkonto erstellen“
    2. Wählen Sie Ihr Projekt aus.
    3. Geben Sie im Feld Dienstkontoname einen Namen ein. Die Google Cloud Console füllt das Feld Dienstkonto-ID anhand dieses Namens aus.

      Geben Sie im Feld Dienstkontobeschreibung eine Beschreibung ein. Beispiel: Service account for quickstart.

    4. Klicken Sie auf Erstellen und fortfahren.
    5. Um Zugriff auf Ihr Projekt zu gewähren, weisen Sie Ihrem Dienstkonto die folgenden Rollen zu: Projekt > Inhaber .

      Wählen Sie in der Liste Rolle auswählen eine Rolle aus.

      Klicken Sie auf Weitere Rolle hinzufügen, um weitere Rollen hinzuzufügen.

    6. Klicken Sie auf Weiter.
    7. Klicken Sie auf Fertig, um das Erstellen des Dienstkontos abzuschließen.

      Schließen Sie das Browserfenster nicht. Sie verwenden es in der nächsten Aufgabe.

  5. Erstellen Sie einen Dienstkontoschlüssel:

    1. Klicken Sie in der Google Cloud Console auf die E-Mail-Adresse des von Ihnen erstellten Dienstkontos.
    2. Klicken Sie auf Schlüssel.
    3. Klicken Sie auf Schlüssel hinzufügen und dann auf Neuen Schlüssel erstellen.
    4. Klicken Sie auf Erstellen. Daraufhin wird eine JSON-Schlüsseldatei auf Ihren Computer heruntergeladen.
    5. Klicken Sie auf Schließen.
  6. Legen Sie für die Umgebungsvariable GOOGLE_APPLICATION_CREDENTIALS den Pfad der JSON-Datei fest, die Ihren Dienstkontoschlüssel enthält. Diese Variable gilt nur für Ihre aktuelle Shellsitzung. Wenn Sie eine neue Sitzung öffnen, müssen Sie die Variable noch einmal festlegen.

  7. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

    Zur Projektauswahl

  8. Vertex AI API aktivieren.

    Aktivieren Sie die API

  9. Erstellen Sie ein Dienstkonto:

    1. Wechseln Sie in der Google Cloud Console zur Seite Dienstkonto erstellen.

      Zur Seite „Dienstkonto erstellen“
    2. Wählen Sie Ihr Projekt aus.
    3. Geben Sie im Feld Dienstkontoname einen Namen ein. Die Google Cloud Console füllt das Feld Dienstkonto-ID anhand dieses Namens aus.

      Geben Sie im Feld Dienstkontobeschreibung eine Beschreibung ein. Beispiel: Service account for quickstart.

    4. Klicken Sie auf Erstellen und fortfahren.
    5. Um Zugriff auf Ihr Projekt zu gewähren, weisen Sie Ihrem Dienstkonto die folgenden Rollen zu: Projekt > Inhaber .

      Wählen Sie in der Liste Rolle auswählen eine Rolle aus.

      Klicken Sie auf Weitere Rolle hinzufügen, um weitere Rollen hinzuzufügen.

    6. Klicken Sie auf Weiter.
    7. Klicken Sie auf Fertig, um das Erstellen des Dienstkontos abzuschließen.

      Schließen Sie das Browserfenster nicht. Sie verwenden es in der nächsten Aufgabe.

  10. Erstellen Sie einen Dienstkontoschlüssel:

    1. Klicken Sie in der Google Cloud Console auf die E-Mail-Adresse des von Ihnen erstellten Dienstkontos.
    2. Klicken Sie auf Schlüssel.
    3. Klicken Sie auf Schlüssel hinzufügen und dann auf Neuen Schlüssel erstellen.
    4. Klicken Sie auf Erstellen. Daraufhin wird eine JSON-Schlüsseldatei auf Ihren Computer heruntergeladen.
    5. Klicken Sie auf Schließen.
  11. Legen Sie für die Umgebungsvariable GOOGLE_APPLICATION_CREDENTIALS den Pfad der JSON-Datei fest, die Ihren Dienstkontoschlüssel enthält. Diese Variable gilt nur für Ihre aktuelle Shellsitzung. Wenn Sie eine neue Sitzung öffnen, müssen Sie die Variable noch einmal festlegen.

Clientbibliotheken

Vertex AI stellt Clientbibliotheken für die folgenden Sprachen bereit. Wählen Sie die gewünschte Sprache aus.

Java

Wenn Sie Maven verwenden, fügen Sie Ihrer Abhängigkeiten Folgendes hinzu.

<dependency>
  <groupId>com.google.cloud</groupId>
  <artifactId>google-cloud-aiplatform</artifactId>
  <version>0.4.0</version>
</dependency>

Wenn Sie Gradle verwenden, fügen Sie den Abhängigkeiten Folgendes hinzu:

compile 'com.google.cloud:google-cloud-aiplatform:0.4.0'

Wenn Sie SBT verwenden, fügen Sie den Abhängigkeiten Folgendes hinzu:

libraryDependencies += "com.google.cloud" % "google-cloud-aiplatform" % "0.4.0"

Codebeispiele ausprobieren

Rufen Sie das GitHub-Repository java-aiplatform auf, um einzelne Codebeispiele anzusehen oder abzurufen.

Dokumentation der Clientbibliothek

Weitere Informationen finden Sie in der Dokumentation zur Java-Clientbibliothek von Vertex.

Node.js

Bereiten Sie Ihre Umgebung für die Node.js-Entwicklung vor, bevor Sie die Bibliothek installieren.

Führen Sie den folgenden Befehl in Ihrer Umgebung aus, um die Clientbibliothek zu installieren:

npm install @google-cloud/aiplatform

Dokumentation der Clientbibliothek

Weitere Informationen finden Sie in der Vertex AI-Clientbibliothek für Node.js.

Python

Vertex AI SDK für Python

Die Python-Clientbibliothek für Vertex AI wird jetzt als Vertex AI SDK für Python bezeichnet. Mit der Veröffentlichung von Version 0.7 (Vorschau) bietet das Vertex AI SDK für Python zwei Unterstützungsstufen. Die allgemeine aiplatform-Bibliothek wurde entwickelt, um gängige Data-Science-Workflows mithilfe von Wrapper-Klassen und Standard-Standardwerten zu vereinfachen. Die untergeordnete aiplatform.gapic-Bibliothek bleibt für Situationen verfügbar, in denen Sie mehr Flexibilität oder Kontrolle benötigen, oder für Methoden, die von der übergeordneten Bibliothek nicht unterstützt werden.

Wenn Sie das Vertex AI SDK für Python installieren, können Sie beide Unterstützungsstufen verwenden. Wenn Sie aiplatform- und aiplatform.gapic-Aufrufe im selben Workflow kombinieren, beachten Sie, dass die beiden Ansätze unterschiedliche Initialisierungsverfahren verwenden: Sie müssen sie jeweils separat initialisieren.

Vor dem Installieren

Bevor Sie das Vertex AI SDK für Python installieren, sollten Sie für jedes Projekt eine isolierte Python-Umgebung erstellen. Aktivieren Sie eine venv-Umgebung oder verwenden Sie eine andere Methode, um eine isolierte Python-Umgebung zu erstellen.

Weitere Informationen zum Einrichten einer Python-Entwicklungsumgebung für die Arbeit mit Google Cloud.

Eine weitere Option ist die Erstellung einer nutzerverwalteten Notebookinstanz für dieses Projekt. Wenn Sie in einem Notebook arbeiten, installieren Sie auf der Notebookinstanz oder in der Umgebung das Vertex AI SDK für Python.

Vertex AI SDK für Python installieren und initialisieren

Führen Sie den folgenden Befehl in der virtuellen Umgebung aus, um das Vertex AI SDK für Python zu installieren:

YOUR_ENVIRONMENT/bin/pip install google-cloud-aiplatform

Das folgende Codebeispiel zeigt, wie Sie die Bibliothek in Ihrem Python-Code initialisieren:

def init_sample(
    project: Optional[str] = None,
    location: Optional[str] = None,
    experiment: Optional[str] = None,
    staging_bucket: Optional[str] = None,
    credentials: Optional[auth_credentials.Credentials] = None,
    encryption_spec_key_name: Optional[str] = None,
):
    aiplatform.init(
        project=project,
        location=location,
        experiment=experiment,
        staging_bucket=staging_bucket,
        credentials=credentials,
        encryption_spec_key_name=encryption_spec_key_name,
    )

Codebeispiele ausprobieren

In einigen der Anleitungen in Form von Jupyter-Notebooks wird beschrieben, wie Sie das Vertex AI SDK für Python als Teil eines größeren Workflows verwenden.

Rufen Sie das GitHub-Repository python-aiplatform auf, um einzelne Codebeispiele anzusehen oder abzurufen.

Dokumentation der Clientbibliothek

Weitere Informationen finden Sie in der Dokumentation zum Vertex AI SDK für Python.