Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Questa pagina descrive le interfacce che puoi utilizzare per interagire con
Vertex AI e quando dovresti utilizzarle. Puoi utilizzare queste interfacce
insieme a una delle
soluzioni di notebook di Vertex AI.
Alcune operazioni di Vertex AI sono disponibili solo tramite interfacce specifiche, pertanto potresti dover passare da un'interfaccia all'altra durante il flusso di lavoro.
Ad esempio, in Vertex AI Experiments devi utilizzare l'API per registrare i dati
in un'esecuzione dell'esperimento, ma puoi visualizzare i risultati nella console.
Console
La console Google Cloud è una Graphic User Interface che puoi utilizzare per lavorare con le risorse di machine learning.
Nella console Google Cloud , puoi gestire i set di dati gestiti,
i modelli, gli endpoint e i job. Puoi anche accedere ad altri Google Cloud servizi,
come Cloud Storage e BigQuery, tramite la console.
Utilizza la console Google Cloud se preferisci visualizzare e gestire le risorse e le visualizzazioni di Vertex AI tramite un'interfaccia utente grafica.
Per ulteriori informazioni, consulta la pagina Dashboard della sezione Vertex AI:
Terraform è uno strumento Infrastructure as Code (IaC) che puoi utilizzare per
eseguire il provisioning dell'infrastruttura, ad esempio risorse e autorizzazioni, per più
serviziGoogle Cloud , tra cui Vertex AI.
Puoi definire le risorse e le autorizzazioni Vertex AI per il tuo progetto Google Cloud
in un file di configurazione Terraform. Puoi quindi utilizzare Terraform per applicare
la configurazione al tuo progetto creando nuove risorse e aggiornando
quelle esistenti.
Utilizza Terraform se vuoi standardizzare l'infrastruttura per le risorse Vertex AI nel tuo progetto Google Cloud e aggiornare l'infrastruttura di progetto Google Cloudesistente soddisfacendo le dipendenze delle risorse.
Utilizza l'SDK Vertex AI per Python per automatizzare a livello di programmazione il tuo
flusso di lavoro Vertex AI.
L'SDK Vertex AI per Python è simile alla libreria client Python di Vertex AI, ma l'SDK è di livello superiore e meno granulare. Per saperne di più, consulta Comprendere le differenze tra SDK e libreria client.
Le librerie client utilizzano le convenzioni naturali di ogni linguaggio supportato per chiamare l'API Vertex AI e ridurre il codice boilerplate che devi scrivere.
Per Vertex AI sono supportate le seguenti lingue:
Python. La libreria client Python di Vertex AI viene installata quando installi l'SDK Vertex AI per Python.
L'API REST di Vertex AI fornisce servizi RESTful per la gestione di job,
modelli ed endpoint e per fare inferenze con modelli ospitati
su Google Cloud.
Utilizza l'API REST se devi utilizzare le tue librerie per chiamare l'API Vertex AI dalla tua applicazione.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2025-09-04 UTC."],[],[],null,["# Interfaces for Vertex AI\n\nThis page describes the interfaces that you can use to interact with\nVertex AI and when you should use them. You can use these interfaces\nalong with one of Vertex AI's\n[notebook solutions](/vertex-ai/docs/workbench/notebook-solution).\n\nSome Vertex AI operations are only available through specific\ninterfaces, so you may need to switch between interfaces during your workflow.\nFor example, in Vertex AI Experiments, you must use the API to log data\nto an experiment run, but you can view the results in the console. \n\n### Console\n\nThe Google Cloud console is a graphical user interface that you can use to\nwork with your machine learning resources.\n\nIn the Google Cloud console, you can manage your ,\nmodels, endpoints, and jobs. You can also access other Google Cloud services,\nsuch as Cloud Storage and BigQuery, through the console.\n\nUse the Google Cloud console if you prefer to view and manage your\nVertex AI resources and visualizations through a graphical user\ninterface.\n\nFor more information, see the **Dashboard** page of the Vertex AI section:\n\n[Go to the Dashboard](https://console.cloud.google.com/vertex-ai/)\n\n### gcloud\n\nThe [Google Cloud command-line interface (CLI)](/sdk/gcloud) is a set of tools for\ncreating and managing Google Cloud resources using the `gcloud` command.\n\nUse the Google Cloud CLI when you want to manage your Vertex AI\nresources from the command line or through scripts and other automation.\n\nFor more information, see [Install the gcloud CLI](/sdk/docs/install) and the\n[`gcloud ai`](/sdk/gcloud/reference/ai) reference.\n\n### Terraform\n\nTerraform is an (IaC) tool that you can use to\nprovision the infrastructure, such as resources and permissions, for multiple\nGoogle Cloud services, including Vertex AI.\n\nYou can define the Vertex AI resources and permissions for your Google Cloud\nproject in a Terraform configuration file. You can then use Terraform to apply\nthe configuration to your project by creating new resources and updating\nexisting resources.\n\nUse Terraform if you want to standardize the infrastructure for Vertex AI\nresources in your Google Cloud project and update the existing Google Cloud\nproject infrastructure while fulfilling resource dependencies.\n\nTo get started, see [Terraform support for Vertex AI](/vertex-ai/docs/start/use-terraform-vertex-ai).\n\n### Python\n\nUse the [Vertex AI SDK for Python](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk) to programmatically automate your\nVertex AI workflow.\n\nThe Vertex AI SDK for Python is similar to the Vertex AI Python client\nlibrary, except the SDK is higher-level and less granular. For more\ninformation, see the [Understand the SDK and client library\ndifferences](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk#sdk-vs-client-library).\n\nTo get started, see [Install the Vertex AI SDK](/vertex-ai/docs/start/install-sdk).\n\n### Client libraries\n\nClient libraries use each supported language's natural conventions to call the\nVertex AI API and reduce boilerplate code that you have to write.\n\nThe following languages are supported for Vertex AI:\n\n- Python. The Vertex AI Python client library is installed when you\n install the [Vertex AI SDK for Python](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk).\n\n- Java\n\n- Node.js\n\n- C#\n\n- Go\n\nFor more information, see [Install the Vertex AI client libraries](/vertex-ai/docs/start/client-libraries).\n\n### REST\n\nThe Vertex AI REST API provides RESTful services for managing jobs,\nmodels, and endpoints, and for making inferences with hosted models\non Google Cloud.\n\nUse the REST API if you need to use your own libraries to call the\nVertex AI API from your application.\n\nTo get started, see the [Vertex AI API REST reference](/vertex-ai/docs/reference/rest).\n\nWhat's next\n-----------\n\n- [Set up a project and a development environment](/vertex-ai/docs/start/cloud-environment).\n- [Choose a training method](/vertex-ai/docs/start/training-methods).\n- Tutorials for [Image](/vertex-ai/docs/tutorials/image-classification-automl/overview), [Tabular](/vertex-ai/docs/tutorials/tabular-automl/overview), and [Custom training](/vertex-ai/docs/tutorials/image-classification-custom/overview).\n- Learn [best practices for implementing custom-trained ML models on\n Vertex AI](/architecture/ml-on-gcp-best-practices)."]]
