Prova Gemini 1.5 Pro, il nostro modello multimodale più avanzato di Vertex AI e scopri cosa puoi creare con una finestra di contesto dei token da 1 milione. Prova Gemini 1.5 Pro, il nostro modello multimodale più avanzato di Vertex AI e scopri cosa puoi creare con una finestra di contesto di 1 milione di token.

Migrazione delle applicazioni a Vertex AI

Vertex AI riunisce i servizi AI Platform e AutoML in un'unica API e UI unificate per semplificare il processo di creazione, addestramento e deployment di modelli di machine learning. Con Vertex AI, puoi passare dalla sperimentazione alla produzione in modo più rapido ed efficiente, rilevare modelli e anomalie in modo efficiente, effettuare previsioni e decisioni migliori e rimanere agile di fronte alle priorità e alle condizioni di mercato mutevoli. Questa pagina consente di determinare le modifiche da apportare quando esegui la migrazione delle tue applicazioni da AutoML o AI Platform a Vertex AI.

Vertex AI supporta tutte le caratteristiche e i modelli disponibili in AutoML e AI Platform. Tuttavia, le librerie client non supportano la compatibilità con le versioni precedenti dell'integrazione dei client. In altre parole, devi pianificare la migrazione delle risorse per sfruttare le funzionalità di Vertex AI.

Questa pagina confronta i metodi dell'API utilizzati per completare i percorsi degli utenti più comuni, in modo da poter vedere come è possibile aggiornare le applicazioni del progetto per utilizzare l'API Vertex AI.

Percorsi comuni degli utenti

Seleziona la scheda relativa al tuo prodotto, quindi fai clic su un percorso dell'utente per vedere come si rapportano i metodi dell'API Vertex AI con quelli utilizzati dalle applicazioni esistenti.

AutoML Natural Language

Fai clic su uno dei seguenti percorsi dell'utente:

AutoML Natural Language: addestra ed esegui il deployment di un modello di classificazione di testo
AutoML Natural Language: addestra ed esegui il deployment di un modello di estrazione di entità di testo
AutoML Natural Language: addestra ed esegui il deployment di un modello di sentiment del testo

AutoML Natural Language: addestramento e deployment di un modello di classificazione del testo

Scopri le differenze tra l'API AutoML e l'API Vertex AI, le differenze tra i prodotti AutoML Natural Language e i prodotti Vertex AI, quindi utilizza la tabella seguente per facilitare la migrazione dell'API.

Passaggio	AutoML Natural Language	Vertex AI
crea un set di dati	`projects.locations.datasets.create`	`projects.locations.datasets.create`
crea un set di dati	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Valuta il modello	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Valuta il modello	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Esegui previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Esegui previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`
Fare previsioni online	`projects.locations.models.deploy`	`projects.locations.endpoints.create`
	`projects.locations.models.deploy`	`projects.locations.endpoints.deployModel`
	`projects.locations.models.predict`	`projects.locations.endpoints.predict`

Passaggio	AI Platform	Vertex AI
Addestra un modello	`projects.jobs.create`	`projects.locations.customJobs.create`
Addestra un modello	`projects.jobs.get`	`projects.locations.customJobs.get`
Esegui il deployment del modello	`projects.models.create`	`projects.locations.models.upload`
Esegui il deployment del modello	`projects.models.versions.create`	`projects.locations.models.upload`
Esegui previsioni batch	La previsione batch di AI Platform non è supportata per XGBoost.	`projects.locations.batchPredictionJobs.create`
Esegui previsioni batch		`projects.locations.batchPredictionJobs.get`
Fare previsioni online	`projects.predict`	`projects.locations.endpoints.create`
		`projects.locations.endpoints.deployModel`
		`projects.locations.endpoints.predict`

Passaggio	Servizio di etichettatura dati	Vertex AI
crea un set di dati	`projects.datasets.create`	`projects.locations.datasets.create`
	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
	`projects.locations.datasets.importData`	`projects.locations.specialistPools.create`
Creazione di un job di etichettatura dati	`projects.annotationSpecSets.create`	`projects.locations.dataLabelingJobs.create`
	`projects.instructions.create`
	`projects.datasets.image.label`
	`projects.operations.get`	`projects.locations.dataLabelingJobs.get`
	`projects.operations.cancel`	`projects.locations.dataLabelingJobs.cancel`

Passaggio	AI Platform Training	Vertex AI
Addestra un modello	`projects.jobs.create`	`projects.locations.hyperparameterTuningJobs.create`
Addestra un modello	`projects.jobs.get`	`projects.locations.hyperparameterTuningJobs.get`

Migrazione delle applicazioni a Vertex AI

Percorsi comuni degli utenti

AutoML Natural Language

AutoML Natural Language: addestramento e deployment di un modello di classificazione del testo

AutoML Natural Language: addestramento e deployment di un modello di estrazione delle entità di testo

AutoML Natural Language: addestra ed esegui il deployment di un modello di sentiment del testo

AutoML Tables

AutoML Tables: addestramento e deployment di un modello

AutoML Video Intelligence

AutoML Video Intelligence: addestrare ed eseguire il deployment di un modello di monitoraggio degli oggetti

AutoML Video Intelligence: addestrare ed eseguire il deployment di un modello di classificazione di video

AutoML Vision

AutoML Vision: addestrare ed eseguire il deployment di un modello di classificazione delle immagini

AutoML Vision: addestrare ed eseguire il deployment di un modello di rilevamento degli oggetti

AI Platform

AI Platform: addestra ed esegui il deployment di un modello XGBoost con versioni di runtime ospitate

AI Platform: addestramento e deployment di un modello scikit-learn con versioni di runtime ospitate

AI Platform: addestramento e deployment di un modello TensorFlow con container personalizzati

AI Platform: addestramento e deployment di un modello TensorFlow con versioni di runtime ospitate

AI Platform Data Labeling Service: inviare un'attività di etichettatura dei dati

AI Platform Prediction: invia un job di previsione batch per un modello TensorFlow ospitato

AI Platform Training: invia un job di addestramento dell'ottimizzazione degli iperparametri con TensorFlow

Passaggi successivi