このページでは、Vertex AI の操作に使用できるインターフェースと、それらを使用するタイミングについて説明します。これらのインターフェースは、Vertex AI のいずれかのノートブック ソリューションと合わせて使用できます。
一部の Vertex AI オペレーションは特定のインターフェースを介してのみ利用できるため、ワークフローの中でインターフェースを切り替える必要が生じることがあります。たとえば、Vertex AI Experiments では、API を使用してテスト実行に対するデータをログに記録する必要がありますが、結果はコンソールに表示できます。
コンソール
Google Cloud コンソールは、ML リソースの操作に使用できるグラフィカル ユーザー インターフェースです。
Google Cloud コンソールでは、マネージド データセット、モデル、エンドポイント、ジョブを管理できます。コンソールから、Cloud Storage や BigQuery などの他の Google Cloud サービスにアクセスすることもできます。
Vertex AI のリソースと可視化をグラフィカル ユーザー インターフェースで表示および管理する場合は、Google Cloud コンソールを使用します。
詳細については、Vertex AI セクションの [ダッシュボード] ページをご覧ください。
gcloud
Google Cloud コマンドライン インターフェース(CLI)は、gcloud
コマンドを使用して Google Cloud リソースを作成、管理するための一連のツールです。
コマンドラインや、スクリプトなどの自動化手段を介して Vertex AI リソースを管理する場合は、Google Cloud CLI を使用します。
詳細については、gcloud CLI をインストールすると gcloud ai
リファレンスをご覧ください。
Terraform
Terraform は、Vertex AI など複数の Google Cloud サービスのインフラストラクチャ(リソースや権限など)をプロビジョニングするために使用できる Infrastructure as Code(IaC)ツールです。
Google Cloud プロジェクトの Vertex AI リソースや権限を、Terraform 構成ファイルに定義できます。その後、Terraform を使用して新しいリソースを作成し、既存のリソースを更新することで、プロジェクトに構成を適用できます。
Google Cloud プロジェクト内の Vertex AI リソースのインフラストラクチャを標準化し、リソースの依存関係を保ちながら既存の Google Cloud プロジェクトのインフラストラクチャを更新する場合は、Terraform を使用します。
使用を開始するには、Vertex AI の Terraform サポートをご覧ください。
Python
Vertex AI SDK for Python は、Vertex AI ワークフローをプログラムで自動化するために使用します。
Vertex AI SDK for Python は、Vertex AI Python クライアント ライブラリに類似していますが、より高いレベルで粒度が粗くなる点が異なります。詳細については、SDK とクライアント ライブラリの違いについてをご覧ください。
使用を開始するには、Vertex AI SDK のインストールをご覧ください。
クライアント ライブラリ
クライアント ライブラリは、サポートされている各言語の自然な表記法を使用して Vertex AI API を呼び出し、記述する必要があるボイラープレート コードを削減します。
Vertex AI は、次の言語に対応しています。
説明します。Vertex AI SDK for Python をインストールすると、Vertex AI Python クライアント ライブラリがインストールされます。
Java
Node.js
C#
Go
詳細については、Vertex AI クライアント ライブラリをインストールするをご覧ください。
REST
Vertex AI の REST API は、ジョブ、モデル、エンドポイントの管理、Google Cloud でホストされているモデルを使用した予測を行うための RESTful サービスを提供します。
独自のライブラリを使用してアプリケーションから Vertex AI API を呼び出す必要がある場合は、REST API を使用します。
使用を開始するには、Vertex AI API REST リファレンスをご覧ください。
次のステップ
- プロジェクトと開発環境を設定する。
- トレーニング方法を選択します。
- 画像、テキスト、表形式、動画などのデータ型、およびカスタム トレーニングを対象とするチュートリアル。
- Vertex AI 上でカスタム トレーニングされた ML モデルを実装するためのベスト プラクティスを学習する。