Anwendungen zu Vertex AI migrieren

Vertex AI fasst AI Platform- und Legacy-AutoML-Dienste unter einer einheitlichen Benutzeroberfläche und API zusammen, um das Erstellen, Trainieren und Bereitstellen von Modellen für maschinelles Lernen zu vereinfachen. Mit Vertex AI können Sie schneller von der Experimentierphase zur Produktion übergehen, Muster und Anomalien effizient erkennen, bessere Vorhersagen und Entscheidungen treffen und bei sich ändernden Prioritäten und Marktbedingungen flexibel bleiben. Diese Seite hilft Ihnen, die Änderungen zu bestimmen, die Sie bei der Migration Ihrer Anwendungen von Legacy-AutoML oder AI Platform zu Vertex AI vornehmen müssen.

Vertex AI unterstützt alle in Legacy-AutoML und AI Platform verfügbaren Features und Modelle. Die Clientbibliotheken bieten jedoch keine Abwärtskompatibilität für die Clientintegration. Wenn Sie von den Features von Vertex AI profitieren möchten, müssen Sie die Migration Ihrer Ressourcen entsprechend planen.

Auf dieser Seite werden die API-Methoden verglichen, die zum Ausführen allgemeiner Nutzerpfade verwendet werden, damit Sie sehen können, wie die Anwendungen Ihres Projekts für die Verwendung der Vertex AI API aktualisiert werden können.

Häufige Kaufprozesse

Klicken Sie auf den Tab für Ihr Produkt und dann auf einen Nutzerpfad, um zu sehen, wie die API-Methoden von Vertex AI im Vergleich zu den von Ihren vorhandenen Anwendungen verwendeten API-Methoden verfahren werden.

Legacy-AutoML Natural Language

Klicken Sie auf einen der folgenden Kaufprozesse:

Legacy-AutoML Natural Language: Textklassifizierungsmodell trainieren und bereitstellen

Lesen Sie mehr zu den Unterschieden zwischen der Legacy AutoML API und der Vertex AI API und den Unterschieden zwischen Legacy-AutoML Natural Language- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um die API zu migrieren.

Schritt Legacy-AutoML Natural Language Vertex AI
Dataset erstellen projects.locations.datasets.create projects.locations.datasets.create
projects.locations.datasets.importData projects.locations.datasets.import
Modell trainieren projects.locations.models.create projects.locations.trainingPipelines.create
projects.locations.trainingPipelines.get
Modell bewerten projects.locations.models.modelEvaluations.list projects.locations.models.evaluations.list
projects.locations.models.modelEvaluations.get projects.locations.models.evaluations.get
Batchvorhersagen treffen projects.locations.models.batchPredict projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.locations.models.deploy projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.models.predict projects.locations.endpoints.predict

Nach oben

Legacy-AutoML Natural Language: Modell zur Extraktion von Textentitäten trainieren und bereitstellen

Lesen Sie mehr zu den Unterschieden zwischen der Legacy AutoML API und der Vertex AI API und den Unterschieden zwischen Legacy-AutoML Natural Language- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um die API zu migrieren.

Schritt Legacy-AutoML Natural Language Vertex AI
Dataset erstellen projects.locations.datasets.create projects.locations.datasets.create
projects.locations.datasets.importData projects.locations.datasets.import
Modell trainieren projects.locations.models.create projects.locations.trainingPipelines.create
projects.locations.trainingPipelines.get
Modell bewerten projects.locations.models.modelEvaluations.list projects.locations.models.evaluations.list
projects.locations.models.modelEvaluations.get projects.locations.models.evaluations.get
Batchvorhersagen treffen projects.locations.models.batchPredict projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.locations.models.deploy projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.models.predict projects.locations.endpoints.predict

Nach oben

Legacy-AutoML Natural Language: Text-Sentimentmodell trainieren und bereitstellen

Lesen Sie mehr zu den Unterschieden zwischen der Legacy AutoML API und der Vertex AI API und den Unterschieden zwischen Legacy-AutoML Natural Language- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um die API zu migrieren.

Schritt Legacy-AutoML Natural Language Vertex AI
Dataset erstellen projects.locations.datasets.create projects.locations.datasets.create
projects.locations.datasets.importData projects.locations.datasets.import
Modell trainieren projects.locations.models.create projects.locations.trainingPipelines.create
projects.locations.trainingPipelines.get
Modell bewerten projects.locations.models.modelEvaluations.list projects.locations.models.evaluations.list
projects.locations.models.modelEvaluations.get projects.locations.models.evaluations.get
Batchvorhersagen treffen projects.locations.models.batchPredict projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.locations.models.deploy projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.models.predict projects.locations.endpoints.predict

Nach oben

Legacy-AutoML Video Intelligence

Klicken Sie auf einen der folgenden Kaufprozesse:

Legacy-AutoML Video Intelligence: Ein Objekt-Tracking-Modell trainieren und bereitstellen

Lesen Sie mehr zu den Unterschieden zwischen der Legacy AutoML API und der Vertex AI API und den Unterschieden zwischen Legacy AutoML Video- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um die API zu migrieren.

Schritt Legacy-AutoML-Video Vertex AI
Dataset erstellen projects.locations.datasets.create projects.locations.datasets.create
projects.locations.datasets.importData projects.locations.datasets.import
Modell trainieren projects.locations.models.create projects.locations.trainingPipelines.create
projects.locations.trainingPipelines.get
Modell bewerten projects.locations.models.modelEvaluations.list projects.locations.models.evaluations.list
projects.locations.models.modelEvaluations.get projects.locations.models.evaluations.get
Batchvorhersagen treffen projects.locations.models.batchPredict projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get

Nach oben

Legacy-AutoML Video Intelligence: Videoklassifizierungsmodell trainieren und bereitstellen

Lesen Sie mehr zu den Unterschieden zwischen der Legacy AutoML API und der Vertex AI API und den Unterschieden zwischen Legacy AutoML Video- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um die API zu migrieren.

Schritt Legacy-AutoML-Video Vertex AI
Dataset erstellen projects.locations.datasets.create projects.locations.datasets.create
projects.locations.datasets.importData projects.locations.datasets.import
Modell trainieren projects.locations.models.create projects.locations.trainingPipelines.create
projects.locations.trainingPipelines.get
Modell bewerten projects.locations.models.modelEvaluations.list projects.locations.models.evaluations.list
projects.locations.models.modelEvaluations.get projects.locations.models.evaluations.get
Batchvorhersagen treffen projects.locations.models.batchPredict projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get

Nach oben

Legacy-AutoML Vision

Klicken Sie auf einen der folgenden Kaufprozesse:

Legacy-AutoML Vision: Bildklassifizierungsmodell trainieren und bereitstellen

Lesen Sie mehr zu den Unterschieden zwischen der Legacy AutoML API und der Vertex AI API und den Unterschieden zwischen Legacy-AutoML Vision- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um die API zu migrieren.

Schritt Legacy-AutoML Vision Vertex AI
Dataset erstellen projects.locations.datasets.create projects.locations.datasets.create
projects.locations.datasets.importData projects.locations.datasets.import
Modell trainieren projects.locations.models.create projects.locations.trainingPipelines.create
projects.locations.trainingPipelines.get
Modell bewerten projects.locations.models.modelEvaluations.list projects.locations.models.evaluations.list
projects.locations.models.modelEvaluations.get projects.locations.models.evaluations.get
Batchvorhersagen treffen projects.locations.models.batchPredict projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.locations.models.deploy projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.models.predict projects.locations.endpoints.predict
Edge-Modell trainieren und exportieren projects.locations.models.create projects.locations.trainingPipelines.create
projects.locations.trainingPipelines.get
projects.locations.models.export projects.locations.models.export

Nach oben

Legacy-AutoML Vision: Objekterkennungsmodell trainieren und bereitstellen

Lesen Sie mehr zu den Unterschieden zwischen der Legacy AutoML API und der Vertex AI API und den Unterschieden zwischen Legacy-AutoML Vision- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um die API zu migrieren.

Schritt Legacy-AutoML Vision Vertex AI
Dataset erstellen projects.locations.datasets.create projects.locations.datasets.create
projects.locations.datasets.importData projects.locations.datasets.import
Modell trainieren projects.locations.models.create projects.locations.trainingPipelines.create
projects.locations.trainingPipelines.get
Modell bewerten projects.locations.models.modelEvaluations.list projects.locations.models.evaluations.list
projects.locations.models.modelEvaluations.get projects.locations.models.evaluations.get
Batchvorhersagen treffen projects.locations.models.batchPredict projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.locations.models.deploy projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.models.predict projects.locations.endpoints.predict

Nach oben

AI Platform

Klicken Sie auf einen der folgenden Kaufprozesse:

AI Platform: Trainieren und Bereitstellen eines XGBoost-Modells mit gehosteten Laufzeitversionen

Lesen Sie mehr über die Unterschiede zwischen den AI Platform- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um Ihre API zu migrieren.

Schritt AI Platform Vertex AI
Modell trainieren projects.jobs.create projects.locations.customJobs.create
projects.jobs.get projects.locations.customJobs.get
Modell bereitstellen projects.models.create projects.locations.models.upload
projects.models.versions.create
Batchvorhersagen treffen Die AI Platform-Batchvorhersage wird für XGBoost nicht unterstützt. projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.predict projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.endpoints.predict

Nach oben

AI Platform: scikit-learn-Modell mit gehosteten Laufzeitversionen trainieren und bereitstellen.

Lesen Sie mehr über die Unterschiede zwischen den AI Platform- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um Ihre API zu migrieren.

Schritt AI Platform Vertex AI
Modell trainieren projects.jobs.create projects.locations.customJobs.create
projects.jobs.get projects.locations.customJobs.get
Modell bereitstellen projects.models.create projects.locations.models.upload
projects.models.versions.create
Batchvorhersagen treffen Die Batchvorhersagen von AI Platform werden für scikit-learn nicht unterstützt. projects.locations.batchPredictionJobs.create
projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.predict projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.endpoints.predict

Nach oben

AI Platform: TensorFlow-Modell mit benutzerdefinierten Containern trainieren und bereitstellen

Lesen Sie mehr über die Unterschiede zwischen den AI Platform- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um Ihre API zu migrieren.

Schritt AI Platform Vertex AI
Modell trainieren projects.jobs.create projects.locations.customJobs.create
projects.jobs.get projects.locations.customJobs.get
Modell bereitstellen projects.models.create projects.locations.models.upload
projects.models.versions.create
Batchvorhersagen treffen projects.jobs.create projects.locations.batchPredictionJobs.create
projects.jobs.get projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.predict projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.endpoints.predict

Nach oben

AI Platform: TensorFlow-Modell mit gehosteten Laufzeitversionen trainieren und bereitstellen

Lesen Sie mehr über die Unterschiede zwischen den AI Platform- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um Ihre API zu migrieren.

Schritt AI Platform Vertex AI
Modell trainieren projects.jobs.create projects.locations.customJobs.create
projects.jobs.get projects.locations.customJobs.get
Modell bereitstellen projects.models.create projects.locations.models.upload
projects.models.versions.create
Batchvorhersagen treffen projects.jobs.create projects.locations.batchPredictionJobs.create
projects.jobs.get projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.predict projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.endpoints.predict

Nach oben

AI Platform Data Labeling Service: Aufgaben zur Labelerstellung für Daten senden

Lesen Sie mehr über die Unterschiede zwischen den Data Labeling Service- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um Ihre API zu migrieren.

Schritt Data Labeling Service Vertex AI
Dataset erstellen projects.datasets.create projects.locations.datasets.create
projects.locations.datasets.importData projects.locations.datasets.import
projects.locations.specialistPools.create
Data Labeling-Job erstellen 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

Nach oben

AI Platform Prediction: Batchvorhersagejob für ein gehostetes TensorFlow-Modell senden

Lesen Sie mehr über die Unterschiede zwischen den AI Platform Prediction- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um Ihre API zu migrieren.

Schritt AI Platform Prediction Vertex AI
Modell trainieren projects.jobs.create projects.locations.customJobs.create
projects.jobs.get projects.locations.customJobs.get
Modell bereitstellen projects.models.create projects.locations.models.upload
projects.models.versions.create
Batchvorhersagen treffen projects.jobs.create projects.locations.batchPredictionJobs.create
projects.jobs.get projects.locations.batchPredictionJobs.get
Onlinevorhersagen treffen projects.predict projects.locations.endpoints.create
projects.locations.endpoints.deployModel
projects.locations.endpoints.predict

Nach oben

AI Platform Training: Trainingsjob zur Hyperparameter-Abstimmung mit TensorFlow senden

Lesen Sie mehr über die Unterschiede zwischen den AI Platform Training- und Vertex AI-Produkten und verwenden Sie dann die folgende Tabelle, um Ihre API zu migrieren.

Schritt AI Platform Training Vertex AI
Modell trainieren projects.jobs.create projects.locations.hyperparameterTuningJobs.create
projects.jobs.get projects.locations.hyperparameterTuningJobs.get

Nach oben

Nächste Schritte