教程概览

此处提供的每个教程会逐步引导您完成特定的人工智能 (AI) 工作流,创建此工作流旨在表示最常见的任务并说明 Vertex AI 的功能。选择与您的数据类型和 AI 任务最匹配的教程。完成相应教程后,您可以利用学到的模式来解决自己的 AI 问题。Vertex AI 提供使用 Python SDK 的 Google Cloud 控制台教程和 Jupyter 笔记本教程。您可以直接在 Colab 中打开笔记本教程,将笔记本下载到首选环境,或在 Vertex AI Workbench 中打开笔记本教程

训练用于表格数据的分类模型

表格分类训练简介

根据表格数据创建 Vertex AI 数据集,然后使用 AutoML 训练分类模型。将此模型部署到端点并进行在线预测。

Google Cloud 控制台:您可以选择适用于 Google Cloud 控制台的包含分步说明的教程指南。
在 cloud.google.com 上显示 | 在 Google Cloud 控制台中以交互式格式显示

Jupyter 笔记本:您可以选择将此教程作为 Jupyter 笔记本运行。
在 Colab 中运行 | 在 GitHub 上查看 | 在 Vertex AI Workbench 中打开

训练用于表格数据的回归模型

表格回归训练简介

根据表格数据创建 Vertex AI 数据集,然后使用 AutoML 训练回归模型。将模型部署到端点并进行在线预测或进行批量预测。

Jupyter 笔记本:您可以选择使用 Jupyter 笔记本运行此教程并进行在线预测
在 Colab 中运行 | 在 GitHub 上查看 | 在 Vertex AI Workbench 中打开

Jupyter 笔记本:您可以选择使用 Jupyter 笔记本运行此教程并进行批量预测
在 Colab 中运行 | 在 GitHub 上查看 | 在 Vertex AI Workbench 中打开

训练用于表格数据的时序预测模型

表格预测训练简介

根据表格数据创建 Vertex AI 数据集,然后使用 AutoML 训练预测模型。进行批量预测。

Jupyter 笔记本:您可以选择将此教程作为 Jupyter 笔记本运行。
在 Colab 中运行 | 在 GitHub 上查看 | 在 Vertex AI Workbench 中打开

训练用于文本数据的分类模型

文本分类训练简介

根据文本数据创建 Vertex AI 数据集,然后使用 AutoML 训练分类模型。将此模型部署到端点并进行在线预测。

Google Cloud 控制台:您可以选择适用于 Google Cloud 控制台的包含分步说明的教程指南。
在 cloud.google.com 上显示 | 在 Google Cloud 控制台中以交互式格式显示

Jupyter 笔记本:您可以选择将此教程作为 Jupyter 笔记本运行。
在 Colab 中运行 | 在 GitHub 上查看 | 在 Vertex AI Workbench 中打开

训练用于图片数据的分类模型

图片分类训练简介

根据图片数据创建 Vertex AI 数据集,然后使用 AutoML 训练分类模型。将此模型部署到端点并进行在线预测。

Google Cloud 控制台:您可以选择适用于 Google Cloud 控制台的包含分步说明的教程指南。
在 cloud.google.com 上显示 | 在 Google Cloud 控制台中以交互式格式显示

训练用于视频数据的分类模型

视频分类训练简介

根据视频数据创建 Vertex AI 数据集,然后使用 AutoML 训练分类模型。进行批量预测。

Google Cloud 控制台:您可以选择适用于 Google Cloud 控制台的包含分步说明的教程指南。
在 cloud.google.com 上显示 | 在 Google Cloud 控制台中以交互式格式显示

Jupyter 笔记本:您可以选择将此教程作为 Jupyter 笔记本运行。
在 Colab 中运行 | 在 GitHub 上查看 | 在 Vertex AI Workbench 中打开

如何在 Vertex AI Workbench 中打开笔记本

如需在 Vertex AI Workbench 实例中打开笔记本教程,请执行以下操作:

  1. 点击笔记本列表中的 Vertex AI Workbench 链接。该链接会打开 Vertex AI Workbench 控制台。
  2. 部署到笔记本屏幕中,输入新 Vertex AI Workbench 实例的名称,然后点击创建
  3. 该实例启动后,系统会显示准备好打开笔记本对话框,点击打开
  4. Confirm deployment to notebook server(确认部署到笔记本服务器)页面上,选择确认
  5. 在运行笔记本之前,请选择 Kernel > Restart Kernel and Clear all Outputs(内核 > 重启内核并清除所有输出)。

后续步骤