Prova i modelli Gemini 1.5, i nostri nuovi modelli multimodali in Vertex AI, e scopri cosa puoi creare con una finestra contestuale da 1 milione di token. Prova i modelli Gemini 1.5, i nostri nuovi modelli multimodali in Vertex AI, e scopri cosa puoi creare con una finestra contestuale da 1 milione di token.

Questa pagina è stata tradotta dall'API Cloud Translation.

Pacchetto vertexai (1.50.0)

Documentazione dell'API per il pacchetto vertexai.

Funzioni di Packages

init

init(
    *,
    project: typing.Optional[str] = None,
    location: typing.Optional[str] = None,
    experiment: typing.Optional[str] = None,
    experiment_description: typing.Optional[str] = None,
    experiment_tensorboard: typing.Optional[
        typing.Union[
            str,
            google.cloud.aiplatform.tensorboard.tensorboard_resource.Tensorboard,
            bool,
        ]
    ] = None,
    staging_bucket: typing.Optional[str] = None,
    credentials: typing.Optional[google.auth.credentials.Credentials] = None,
    encryption_spec_key_name: typing.Optional[str] = None,
    network: typing.Optional[str] = None,
    service_account: typing.Optional[str] = None,
    api_endpoint: typing.Optional[str] = None,
    api_transport: typing.Optional[str] = None
)

Aggiorna i parametri di inizializzazione comuni con le opzioni fornite.

Parametri
Nome	Description
`project`	Il progetto predefinito da utilizzare per le chiamate API.
`location`	La località predefinita da utilizzare quando si effettuano chiamate API. Se non viene configurato, il valore predefinito è us-central-1.
`experiment`	Facoltativo. Il nome dell'esperimento.
`experiment_description`	Facoltativo. La descrizione dell'esperimento.
`experiment_tensorboard`	Facoltativo. L'istanza Vertex AI TensorBoard, il nome della risorsa Tensorboard o l'ID risorsa Tensorboard da utilizzare come Tensorboard di supporto per l'esperimento fornito. Esempio di formato del nome della risorsa TensorBoard: "projects/123/locations/us-central1/tensorboards/456". Se viene specificato `experiment_tensorboard`, ma non `experiment`, il valore `experiment_tensorboard` fornito verrà impostato come Tensorboard globale. Qualsiasi chiamata successiva ad aiplatform.init() con `experiment` e senza `experiment_tensorboard` assegnerà automaticamente la Tensorboard globale a `experiment`. Se il valore `experiment_tensorboard` viene consentito o impostato su `True` o `None`, la Tensorboard globale verrà assegnata a `experiment`. Se non viene impostata una Tensorboard globale, verrà utilizzata l'istanza Tensorboard predefinita, che sarà creata se non esiste. Per disattivare la creazione e l'utilizzo di Tensorboard con `experiment`, imposta `experiment_tensorboard` su `False`. Anche eventuali chiamate successive ad aiplatform.init() dovrebbero includere questa impostazione.
`staging_bucket`	Il bucket gestione temporanea predefinito da utilizzare per posizionare temporaneamente gli artefatti quando si effettuano chiamate API. Nel modulo gs://...
`credentials`	Le credenziali personalizzate predefinite da utilizzare quando si effettuano chiamate API. Se non vengono fornite le credenziali, verranno verificate dall'ambiente.
`encryption_spec_key_name`	Facoltativo. L'identificatore della risorsa Cloud KMS della chiave di crittografia gestita dal cliente utilizzata per proteggere una risorsa. Ha il formato: `projects/my-project/locations/my-region/keyRings/my-kr/cryptoKeys/my-key`. La chiave deve trovarsi nella stessa regione in cui viene creata la risorsa di computing. Se impostata, questa risorsa e tutte le risorse secondarie saranno protette da questa chiave.
`network`	Facoltativo. Il nome completo della rete Compute Engine verso cui eseguire il peering di job e risorse. Ad esempio "projects/12345/global/networks/myVPC". L'accesso privato ai servizi deve essere già configurato per la rete. Se specificato, tutte le risorse e i job idonei creati verranno connessi in peering con questo VPC.
`service_account`	Facoltativo. L'account di servizio utilizzato per avviare i job e il deployment dei modelli. Job che utilizzano service_account: BatchPredictionJob, CustomJob, PipelineJob, HyperparameterTuningJob, CustomTrainingJob, CustomPythonPackageTrainingJob, CustomContainerTrainingJob, ModelEvaluationJob.
`api_endpoint`	Facoltativo. L'endpoint API desiderato, ad esempio us-central1-aiplatform.googleapis.com
`api_transport`	Facoltativo. Il metodo di trasporto "grpc" o "rest". NOTA: la funzionalità di trasporto "rest" è attualmente in stato beta (anteprima).