Vertex AI unisce AI Platform e ai servizi AutoML legacy in un'unica interfaccia utente e API per semplificare il processo di creazione, addestramento e deployment dei modelli di machine learning. Con Vertex AI permette di passare dalla sperimentazione alla produzione più velocemente, a scoprire modelli e anomalie in modo efficiente, a fare previsioni migliori aziendali e rimanere agili di fronte all'evoluzione delle priorità e del mercato le condizioni di traffico. Questa pagina ti aiuta a determinare le modifiche da apportare quando esegui la migrazione delle applicazioni da AutoML o AI Platform legacy a Vertex AI.
Vertex AI supporta tutte le funzionalità e i modelli disponibili in AutoML e AI Platform legacy. Tuttavia, le librerie client non supportano la compatibilità con le versioni precedenti dell'integrazione del client. In altre parole, devi pianificare la migrazione per sfruttare le funzionalità di Vertex AI.
Questa pagina mette a confronto i metodi dell'API utilizzati per completare i percorsi comuni degli utenti in modo da capire in che modo le applicazioni del tuo progetto possono essere aggiornate per utilizzare l'API Vertex AI.
Percorsi comuni degli utenti
Seleziona la scheda del tuo prodotto, quindi fai clic su un percorso utente per vedere il confronto tra i metodi dell'API Vertex AI e quelli delle API utilizzati dalle tue applicazioni esistenti.
AutoML legacy
Fai clic su uno dei seguenti percorsi dell'utente:
AutoML Natural Language: addestra ed esegui il deployment di una classificazione del testo modello
AutoML Natural Language: addestra ed esegui il deployment di un sentiment del testo modello
AutoML Natural Language legacy: addestra ed esegui il deployment di un modello di classificazione del testo
Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Natural Language legacy e Vertex AI e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
AutoML Natural Language legacy: addestra ed esegui il deployment di un modello di estrazione delle entità di testo
Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Natural Language legacy e Vertex AI e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
AutoML Natural Language precedente: addestrare ed eseguire il deployment di un modello di sentiment del testo
Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Natural Language legacy e Vertex AI e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
AutoML Video Intelligence precedente
Fai clic su uno dei seguenti percorsi dell'utente:
AutoML Video Intelligence: addestramento ed esecuzione di un modello di monitoraggio degli oggetti
AutoML Video Intelligence: addestramento e deployment di una classificazione video modello
AutoML Video Intelligence legacy: addestra ed esegui il deployment di un modello di monitoraggio degli oggetti
Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, scopri di più sulle differenze tra i prodotti legacy di AutoML Video e Vertex AI, e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
Passaggio | Video AutoML legacy | Vertex AI |
---|---|---|
Crea un set di dati | projects.locations.datasets.create |
projects.locations.datasets.create |
projects.locations.datasets.importData |
projects.locations.datasets.import |
|
Addestra un modello | projects.locations.models.create |
projects.locations.trainingPipelines.create |
projects.locations.trainingPipelines.get |
||
Valuta il modello | projects.locations.models.modelEvaluations.list |
projects.locations.models.evaluations.list |
projects.locations.models.modelEvaluations.get |
projects.locations.models.evaluations.get |
|
Effettuare previsioni batch | projects.locations.models.batchPredict |
projects.locations.batchPredictionJobs.create |
projects.locations.batchPredictionJobs.get |
AutoML Video Intelligence precedente: addestramento ed esecuzione di un modello di classificazione dei video
Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, scopri di più sulle differenze tra i prodotti legacy di AutoML Video e Vertex AI, e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
Passaggio | Video AutoML legacy | Vertex AI |
---|---|---|
Crea un set di dati | projects.locations.datasets.create |
projects.locations.datasets.create |
projects.locations.datasets.importData |
projects.locations.datasets.import |
|
Addestra un modello | projects.locations.models.create |
projects.locations.trainingPipelines.create |
projects.locations.trainingPipelines.get |
||
Valuta il modello | projects.locations.models.modelEvaluations.list |
projects.locations.models.evaluations.list |
projects.locations.models.modelEvaluations.get |
projects.locations.models.evaluations.get |
|
Effettuare previsioni batch | projects.locations.models.batchPredict |
projects.locations.batchPredictionJobs.create |
projects.locations.batchPredictionJobs.get |
AutoML Vision legacy
Fai clic su uno dei seguenti percorsi dell'utente:
AutoML Vision: addestra ed esegui il deployment di una classificazione di immagini modello
AutoML Vision: addestrare ed eseguire il deployment di un modello di rilevamento degli oggetti
AutoML Vision legacy: addestramento e deployment di un modello di classificazione delle immagini
Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Vision legacy e Vertex AI e poi utilizza la seguente tabella per eseguire la migrazione dell'API.
AutoML Vision legacy: addestramento e deployment di un modello di rilevamento degli oggetti
Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, scopri di più sulle differenze tra i prodotti legacy di AutoML Vision e Vertex AI, e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
AI Platform
Fai clic su uno dei seguenti percorsi dell'utente:
AI Platform: addestrare e implementare un modello scikit-learn con le versioni di runtime ospitate
AI Platform: addestra ed esegui il deployment di un modello TensorFlow con container personalizzati
AI Platform Prediction: invia un job di previsione batch per un modello TensorFlow ospitato
AI Platform: addestrare ed eseguire il deployment di un modello XGBoost con le versioni di runtime ospitate
Scopri le differenze tra i prodotti AI Platform e Vertex AI e utilizza la tabella seguente per eseguire la migrazione della tua API.
Passaggio | AI Platform | Vertex AI |
---|---|---|
Addestra un modello | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
Esegui il deployment del modello | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
Effettuare previsioni batch | La previsione batch di AI Platform non è supportata per XGBoost. | projects.locations.batchPredictionJobs.create |
projects.locations.batchPredictionJobs.get |
||
Fai previsioni online | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform: addestrare ed eseguire il deployment di un modello scikit-learn con le versioni di runtime ospitate
Scopri le differenze tra i prodotti AI Platform e Vertex AI, e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
Passaggio | AI Platform | Vertex AI |
---|---|---|
Addestra un modello | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
Esegui il deployment del modello | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
Fare previsioni batch | La previsione batch di AI Platform non è supportata da scikit-learn. | projects.locations.batchPredictionJobs.create |
projects.locations.batchPredictionJobs.get |
||
Effettuare previsioni online | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform: addestra ed esegui il deployment di un modello TensorFlow con container personalizzati
Scopri le differenze tra i prodotti AI Platform e Vertex AI, e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
Passaggio | AI Platform | Vertex AI |
---|---|---|
Addestra un modello | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
Esegui il deployment del modello | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
Fare previsioni batch | projects.jobs.create |
projects.locations.batchPredictionJobs.create |
projects.jobs.get |
projects.locations.batchPredictionJobs.get |
|
Effettuare previsioni online | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform: addestra ed esegui il deployment di un modello TensorFlow con versioni di runtime ospitate
Scopri le differenze tra i prodotti AI Platform e Vertex AI e utilizza la tabella seguente per eseguire la migrazione della tua API.
Passaggio | AI Platform | Vertex AI |
---|---|---|
Addestra un modello | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
Esegui il deployment del modello | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
Fare previsioni batch | projects.jobs.create |
projects.locations.batchPredictionJobs.create |
projects.jobs.get |
projects.locations.batchPredictionJobs.get |
|
Effettuare previsioni online | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
Previsione AI Platform: invia un job di previsione batch per un modello TensorFlow ospitato
Scopri le differenze tra i prodotti AI Platform Prediction e Vertex AI, e poi utilizza la tabella seguente per eseguire la migrazione dell'API.
Passaggio | AI Platform Prediction | Vertex AI |
---|---|---|
Addestra un modello | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
Esegui il deployment del modello | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
Fare previsioni batch | projects.jobs.create |
projects.locations.batchPredictionJobs.create |
projects.jobs.get |
projects.locations.batchPredictionJobs.get |
|
Effettuare previsioni online | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform Training: invia un job di addestramento di ottimizzazione degli iperparametri con TensorFlow
Scopri le differenze tra i prodotti AI Platform Training e Vertex AI e utilizza la tabella seguente per eseguire la migrazione dell'API.
Passaggio | AI Platform Training | Vertex AI |
---|---|---|
Addestra un modello | projects.jobs.create |
projects.locations.hyperparameterTuningJobs.create |
projects.jobs.get |
projects.locations.hyperparameterTuningJobs.get |
Passaggi successivi
- Configura un progetto e un ambiente di sviluppo per iniziare a utilizzare Vertex AI.