A Vertex AI une os serviços da AI Platform e do AutoML legados em uma UI e API unificadas para simplificar o processo de criação, treinamento e implantação de modelos de machine learning. Com a Vertex AI, é possível passar da experimentação para a produção com mais rapidez, descobrir padrões e anomalias de forma eficiente, fazer previsões e tomar decisões melhores e manter a agilidade diante de mudanças nas prioridades e condições de mercado. Esta página exibe as alterações necessárias ao migrar aplicativos do AutoML ou do AI Platform legados para a Vertex AI.
A Vertex AI é compatível com todos os recursos e modelos disponíveis no AutoML legado e na AI Platform. No entanto, as bibliotecas de cliente não são compatíveis com versões anteriores à integração do cliente. Em outras palavras, você precisa planejar a migração dos seus recursos para aproveitar os recursos da Vertex AI.
Também comparamos os métodos de API usados para concluir as jornadas comuns dos usuários. Dessa maneira, você verá como os aplicativos do seu projeto são atualizados para usar a API Vertex AI.
Jornadas comuns dos usuários
Selecione a guia do produto e clique em uma jornada do usuário para ver como os métodos da API Vertex AI se comparam aos métodos de API usados pelos aplicativos existentes.
AutoML Natural Language legado
.Clique em uma das seguintes jornadas do usuário:
AutoML Natural Language: treinar e implantar um modelo de classificação de texto
AutoML Natural Language: treinar e implantar um modelo de extração de entidade de texto
AutoML Natural Language: treinar e implantar um modelo de sentimento de texto
AutoML Natural Language legado: treinar e implantar um modelo de classificação de texto
Leia sobre as diferenças entre a API AutoML legada e a API Vertex AI, leia sobre as diferenças entre os produtos AutoML Natural Language legado e Vertex AI e use a tabela a seguir para orientações de migração da API.
AutoML Natural Language legado: treinar e implantar um modelo de extração de entidade de texto
Leia sobre as diferenças entre a API AutoML legada e a API Vertex AI, leia sobre as diferenças entre os produtos AutoML Natural Language legado e Vertex AI e use a tabela a seguir para orientações de migração da API.
AutoML Natural Language legado: treinar e implantar um modelo de sentimento de texto
Leia sobre as diferenças entre a API AutoML legada e a API Vertex AI, leia sobre as diferenças entre os produtos AutoML Natural Language legado e Vertex AI e use a tabela a seguir para orientações de migração da API.
AutoML Video Intelligence legado
Clique em uma das seguintes jornadas do usuário:
AutoML Video Intelligence: treinar e implantar um modelo de rastreamento de objetos
AutoML Video Intelligence: treinar e implantar um modelo de classificação de vídeo
AutoML Video Intelligence legado: treinar e implantar um modelo de rastreamento de objetos
Leia sobre as diferenças entre a API AutoML legada e a API Vertex AI, leia sobre as diferenças entre os produtos AutoML Video legado e Vertex AI e use a tabela a seguir para orientações de migração da API.
AutoML Video Intelligence legado: treinar e implantar um modelo de classificação de vídeo
Leia sobre as diferenças entre a API AutoML legada e a API Vertex AI, leia sobre as diferenças entre os produtos AutoML Video legado e Vertex AI e use a tabela a seguir para orientações de migração da API.
AutoML Vision legado
Clique em uma das seguintes jornadas do usuário:
AutoML Vision: treinar e implantar um modelo de classificação de imagem
AutoML Vision: treinar e implantar um modelo de detecção de objetos
AutoML Vision legado: treinar e implantar um modelo de classificação de imagem
Leia sobre as diferenças entre a API AutoML legada e a API Vertex AI, leia sobre as diferenças entre os produtos AutoML Vision legado e Vertex AI e use a tabela a seguir para orientações de migração da API.
AutoML Vision legado: treinar e implantar um modelo de detecção de objetos
Leia sobre as diferenças entre a API AutoML legada e a API Vertex AI, leia sobre as diferenças entre os produtos AutoML Vision legado e Vertex AI e use a tabela a seguir para orientações de migração da API.
AI Platform
Clique em uma das seguintes jornadas do usuário:
AI Platform: treinar e implantar um modelo do XGBoost com versões de ambiente de execução hospedadas
AI Platform: treinar e implantar um modelo do TensorFlow com contêineres personalizados
AI Platform Prediction: enviar um job de previsão em lote para um modelo hospedado do TensorFlow
AI Platform Training: enviar um job de treinamento de ajuste de hiperparâmetros com o TensorFlow
AI Platform: treinar e implantar um modelo do XGBoost com versões de ambiente de execução hospedadas
Leia sobre as diferenças entre os produtos AI Platform e Vertex AI e use a tabela a seguir para orientações de migração da API.
| Etapa | AI Platform | Vertex AI |
|---|---|---|
| Treinar um modelo | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
| Implantar o modelo | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
| Fazer previsões em lote | A previsão em lote do AI Platform não é compatível com o XGBoost. | projects.locations.batchPredictionJobs.create |
projects.locations.batchPredictionJobs.get |
||
| Fazer previsões on-line | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform: treinar e implantar um modelo do scikit-learn com versões de ambiente de execução hospedadas
Leia sobre as diferenças entre os produtos AI Platform e Vertex AI e use a tabela a seguir para orientações de migração da API.
| Etapa | AI Platform | Vertex AI |
|---|---|---|
| Treinar um modelo | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
| Implantar o modelo | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
| Fazer previsões em lote | A previsão em lote do AI Platform não é compatível com o scikit-learn. | projects.locations.batchPredictionJobs.create |
projects.locations.batchPredictionJobs.get |
||
| Fazer previsões on-line | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform: treinar e implantar um modelo do TensorFlow com contêineres personalizados
Leia sobre as diferenças entre os produtos AI Platform e Vertex AI e use a tabela a seguir para orientações de migração da API.
| Etapa | AI Platform | Vertex AI |
|---|---|---|
| Treinar um modelo | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
| Implantar o modelo | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
| Fazer previsões em lote | projects.jobs.create |
projects.locations.batchPredictionJobs.create |
projects.jobs.get |
projects.locations.batchPredictionJobs.get |
|
| Fazer previsões on-line | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform: treinar e implantar um modelo do TensorFlow com versões de ambiente de execução hospedadas
Leia sobre as diferenças entre os produtos AI Platform e Vertex AI e use a tabela a seguir para orientações de migração da API.
| Etapa | AI Platform | Vertex AI |
|---|---|---|
| Treinar um modelo | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
| Implantar o modelo | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
| Fazer previsões em lote | projects.jobs.create |
projects.locations.batchPredictionJobs.create |
projects.jobs.get |
projects.locations.batchPredictionJobs.get |
|
| Fazer previsões on-line | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform Prediction: enviar um job de previsão em lote para um modelo hospedado do TensorFlow
Leia sobre as diferenças entre os produtos AI Platform Prediction e Vertex AI e use a tabela a seguir para orientações de migração da API.
| Etapa | AI Platform Prediction | Vertex AI |
|---|---|---|
| Treinar um modelo | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
| Implantar o modelo | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
| Fazer previsões em lote | projects.jobs.create |
projects.locations.batchPredictionJobs.create |
projects.jobs.get |
projects.locations.batchPredictionJobs.get |
|
| Fazer previsões on-line | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform Training: enviar um job de treinamento de ajuste de hiperparâmetros com o TensorFlow
Leia sobre as diferenças entre os produtos AI Platform Training e Vertex AI e use a tabela a seguir para orientações de migração da API.
| Etapa | AI Platform Training | Vertex AI |
|---|---|---|
| Treinar um modelo | projects.jobs.create |
projects.locations.hyperparameterTuningJobs.create |
projects.jobs.get |
projects.locations.hyperparameterTuningJobs.get |
A seguir
- Configure um projeto e um ambiente de desenvolvimento para começar a usar a Vertex AI.