Instala las bibliotecas cliente de Vertex AI

Las bibliotecas cliente brindan una experiencia optimizada para los desarrolladores para llamar a la API de Vertex AI. Las bibliotecas cliente usan las convenciones naturales de cada idioma compatible y reducen el código estándar que debes escribir. En la siguiente guía, se explica cómo instalarlas.

Antes de comenzar

1. Accede a tu cuenta de Google Cloud. Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

2. En la página del selector de proyectos de Google Cloud Console, selecciona o crea un proyecto de Google Cloud.

   Nota: Si no planeas conservar los recursos que creaste durante este procedimiento, crea un proyecto en lugar de seleccionar uno existente. Cuando termines, puedes borrar el proyecto y quitar todos los recursos asociados con él.

   Ir al selector de proyectos

3. Habilita Vertex AI API.

   Habilita la API

4. Crear una cuenta de servicio:

   1. En Cloud Console, ve a la página Crear cuenta de servicio.

      Ve a Crear cuenta de servicio
   2. Selecciona tu proyecto.

   3. Ingresa un nombre en el campo Nombre de cuenta de servicio. Cloud Console completa el campo ID de cuenta de servicio según este nombre.

      Opcional: en el campo Descripción de la cuenta de servicio, ingresa una descripción. Por ejemplo, Service account for quickstart.

   4. Haz clic en Crear y continuar.

   5. Para proporcionar acceso a tu proyecto, otorga los siguientes roles a tu cuenta de servicio: Proyecto > Propietario .

      En la lista Seleccionar un rol, elige un rol.

      Para obtener roles adicionales, haz clic en Agregar otro rol y agrega cada rol adicional.

      Nota: El campo Función afecta a qué recursos puede acceder tu cuenta de servicio en tu proyecto. Puedes revocar estas funciones o asignar más funciones posteriormente. En entornos de producción, no otorgues las funciones de propietario, editor o visualizador. En su lugar, otorga una función predefinida o una función personalizada que satisfaga tus necesidades.
   6. Haga clic en Continuar.

   7. Haz clic en Listo para terminar de crear la cuenta de servicio.

      No cierres la ventana del navegador. La usarás en la próxima tarea.

5. Para crear una clave de cuenta de servicio, haz lo siguiente:

   1. En Cloud Console, haz clic en la dirección de correo electrónico de la cuenta de servicio que creaste.
   2. Haga clic en Claves.
   3. Haz clic en Agregar clave y, luego, en Crear clave nueva.
   4. Haga clic en Crear. Se descargará un archivo de claves JSON en tu computadora.
   5. Haga clic en Cerrar.

6. Configura la variable de entorno GOOGLE_APPLICATION_CREDENTIALS en la ruta del archivo JSON que contiene la clave de tu cuenta de servicio. Esta variable solo se aplica a la sesión actual de shell. Por lo tanto, si abres una sesión nueva, deberás volver a configurar la variable.

   Ejemplo: Linux o macOS

   export GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

   Reemplaza KEY_PATH por la ruta de acceso del archivo JSON que contiene la clave de tu cuenta de servicio.

   Por ejemplo:

   export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

   Ejemplo: Windows

   Para PowerShell:

   $env:GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

   Reemplaza KEY_PATH por la ruta de acceso del archivo JSON que contiene la clave de tu cuenta de servicio.

   Por ejemplo:

   $env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\service-account-file.json"

   Para el símbolo del sistema:

   set GOOGLE_APPLICATION_CREDENTIALS=KEY_PATH

   Reemplaza KEY_PATH por la ruta de acceso del archivo JSON que contiene la clave de tu cuenta de servicio.

7. En la página del selector de proyectos de Google Cloud Console, selecciona o crea un proyecto de Google Cloud.

   Nota: Si no planeas conservar los recursos que creaste durante este procedimiento, crea un proyecto en lugar de seleccionar uno existente. Cuando termines, puedes borrar el proyecto y quitar todos los recursos asociados con él.

   Ir al selector de proyectos

8. Habilita Vertex AI API.

   Habilita la API

9. Crear una cuenta de servicio:

   1. En Cloud Console, ve a la página Crear cuenta de servicio.

      Ve a Crear cuenta de servicio
   2. Selecciona tu proyecto.

   3. Ingresa un nombre en el campo Nombre de cuenta de servicio. Cloud Console completa el campo ID de cuenta de servicio según este nombre.

      Opcional: en el campo Descripción de la cuenta de servicio, ingresa una descripción. Por ejemplo, Service account for quickstart.

   4. Haz clic en Crear y continuar.

   5. Para proporcionar acceso a tu proyecto, otorga los siguientes roles a tu cuenta de servicio: Proyecto > Propietario .

      En la lista Seleccionar un rol, elige un rol.

      Para obtener roles adicionales, haz clic en Agregar otro rol y agrega cada rol adicional.

      Nota: El campo Función afecta a qué recursos puede acceder tu cuenta de servicio en tu proyecto. Puedes revocar estas funciones o asignar más funciones posteriormente. En entornos de producción, no otorgues las funciones de propietario, editor o visualizador. En su lugar, otorga una función predefinida o una función personalizada que satisfaga tus necesidades.
   6. Haga clic en Continuar.

   7. Haz clic en Listo para terminar de crear la cuenta de servicio.

      No cierres la ventana del navegador. La usarás en la próxima tarea.

10. Para crear una clave de cuenta de servicio, haz lo siguiente:

    1. En Cloud Console, haz clic en la dirección de correo electrónico de la cuenta de servicio que creaste.
    2. Haga clic en Claves.
    3. Haz clic en Agregar clave y, luego, en Crear clave nueva.
    4. Haga clic en Crear. Se descargará un archivo de claves JSON en tu computadora.
    5. Haga clic en Cerrar.

11. Configura la variable de entorno GOOGLE_APPLICATION_CREDENTIALS en la ruta del archivo JSON que contiene la clave de tu cuenta de servicio. Esta variable solo se aplica a la sesión actual de shell. Por lo tanto, si abres una sesión nueva, deberás volver a configurar la variable.

    Ejemplo: Linux o macOS

    export GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

    Reemplaza KEY_PATH por la ruta de acceso del archivo JSON que contiene la clave de tu cuenta de servicio.

    Por ejemplo:

    export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

    Ejemplo: Windows

    Para PowerShell:

    $env:GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

    Reemplaza KEY_PATH por la ruta de acceso del archivo JSON que contiene la clave de tu cuenta de servicio.

    Por ejemplo:

    $env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\service-account-file.json"

    Para el símbolo del sistema:

    set GOOGLE_APPLICATION_CREDENTIALS=KEY_PATH

    Reemplaza KEY_PATH por la ruta de acceso del archivo JSON que contiene la clave de tu cuenta de servicio.

Bibliotecas cliente

Vertex AI proporciona bibliotecas cliente para los siguientes idiomas. Selecciona el idioma que quieres usar.

Java

Si usas Maven, agrega lo siguiente a tus dependencias:

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

Si usas Gradle, agrega lo siguiente a las dependencias:

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

Si usas sbt, agrega lo siguiente a las dependencias:

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

Prueba las muestras de código

Para ver u obtener muestras de código individuales, ve al repositorio de GitHub java-aiplatform.

Documentación de la biblioteca cliente

Si deseas obtener más información, consulta la documentación de la cliente de Vertex AI para Java.

Node.js

Antes de instalar la biblioteca, prepara tu entorno para el desarrollo de Node.js.

Ejecuta el siguiente comando en tu entorno para instalar la biblioteca cliente:

npm install @google-cloud/aiplatform

Documentación de la biblioteca cliente

Para obtener más información, consulta la biblioteca cliente de Vertex IA para ver la documentación de Node.js.

Python

SDK de Vertex AI para Python

La biblioteca cliente de Python para Vertex AI ahora se llama SDK de Vertex AI para Python. Con la actualización de la versión 0.7 (Vista previa), el SDK de Vertex AI para Python proporciona dos niveles de compatibilidad. La biblioteca de alto nivel aiplatform está diseñada para simplificar los flujos de trabajo comunes de ciencia de datos mediante las clases wrapper y los valores predeterminados definidos. La biblioteca de nivel inferior aiplatform.gapic permanece disponible para esas ocasiones en las que necesitas más flexibilidad o control, o para esos métodos que la biblioteca de alto nivel no admite.

Cuando instalas el SDK de Vertex AI para Python, puedes usar ambos niveles de asistencia. Si combinas las llamadas aiplatform y aiplatform.gapic en el mismo flujo de trabajo, ten en cuenta que los dos enfoques usan procedimientos de inicialización diferentes; debes inicializar cada una por separado.

Si quieres ver un ejemplo del uso del SDK de Vertex AI para Python como parte de un flujo de trabajo más integral, ejecuta el notebook de Jupyter “Modelo de clasificación de imágenes de trabajo personalizado para la predicción en línea” en uno de los siguientes entornos:

• Ejecuta el notebook en Colab.
• Ejecuta el notebook en una instancia de notebook administrada por el usuario de Vertex AI.
• Mira el notebook en GitHub.

Antes de instalar

Antes de instalar el SDK de Vertex AI para Python, recomendamos crear un entorno aislado de Python para cada proyecto. Activa un entorno venv o usa otro método para crear un entorno aislado de Python.

Obtén más información sobre la configuración de un entorno de desarrollo de Python para trabajar con Google Cloud.

Otra opción es crear una instancia de notebook administrado por el usuario para este proyecto. Si estás trabajando en un notebook, instala el SDK de Vertex AI para Python en tu instancia o entorno de notebook.

Instala e inicializa el SDK de Vertex AI para Python

Ejecuta el siguiente comando en el entorno virtual a fin de instalar el SDK de Vertex AI para Python:

YOUR_ENVIRONMENT/bin/pip install google-cloud-aiplatform

En la siguiente muestra de código, se indica cómo inicializar la biblioteca en el código de Python:

Ver en GitHub

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,
    )

Prueba las muestras de código

En algunos de los instructivos con el formato de notebooks de Jupyter, se muestra cómo usar el SDK de Vertex AI para Python como parte de un flujo de trabajo más grande.

Para ver u obtener muestras de código individuales, ve al repositorio de GitHub python-aiplatform.

Documentación de la biblioteca cliente

Si deseas obtener más información, consulta la documentación del SDK de Vertex AI para Python.