欢迎使用 Google Cloud 全新的统一机器学习平台 Vertex AI。旧版 AI Platform 用户仍然可以访问我们的 AI Platform 文档。 

跳转到

Vertex AI

借助统一 AI 平台中的预训练和自定义工具,更快地构建、部署和伸缩机器学习模型。

  • action/check_circle_24px 使用 Sketch 创建。

    使用由 Google Research 开发的为 Google 提供支持的开创性机器学习工具进行构建

  • action/check_circle_24px 使用 Sketch 创建。

    更快地部署更多模型,自定义建模所需的代码行数减少 80%

  • action/check_circle_24px 使用 Sketch 创建。

    使用 MLOps 工具轻松自信地管理数据和模型并大规模重复

优势

无需代码即可训练模型,所需的专业知识极少

利用 AutoML 在更短的时间内构建模型。将 Vertex AI 与最先进的、经过预训练的 API 用于计算机视觉、语言、结构化数据和对话。

使用自定义工具构建高级机器学习模型

Vertex AI 的自定义模型工具支持高级机器学习编码,与竞争平台相比,使用自定义库训练模型所需的代码行数减少了近 80%(观看 Codelab)。

自信地管理您的模型

Vertex AI 的 MLOps 工具消除了自助服务模型维护的复杂性,例如简化运行机器学习流水线的 Vertex Pipelines,以及用于服务、共享和使用机器学习功能的 Vertex Feature Store

主要特性

一个 AI 平台,您需要的每个机器学习工具

为整个机器学习工作流提供统一界面

Vertex AI 将 Google Cloud 服务整合到一个统一的界面和 API 中。在 Vertex AI 中,您现在可以使用 AutoML 或自定义代码训练轻松训练和比较模型,所有模型都存储在一个中央模型代码库中。这些模型现在可以部署到 Vertex AI 上的相同端点。

用于视觉、视频、自然语言等领域的预训练 API

轻松地将视觉、视频、翻译和自然语言机器学习融入现有应用,或在广泛的使用场景(包括 TranslationSpeech to Text)中构建全新的智能应用。AutoML 使开发人员能够以最少的机器学习专业知识或工作量训练特定于其业务需求的高质量模型。具有跨数据类型(视觉、自然语言和表格)的所有数据集的中央管理注册表。

数据和 AI 的端到端集成

您可以使用 BigQuery ML 在现有商业智能工具和电子表格上使用标准 SQL 查询在 BigQuery 中创建和执行机器学习模型,或者您可以将数据集从 BigQuery 直接导出到 Vertex AI,以便在数据到 AI 的整个生命周期中实现无缝集成。使用 Vertex Data Labeling 为您的数据收集生成高度准确的标签。

支持所有开源框架

Vertex AI 与广泛使用的开源框架(例如 TensorFlowPyTorchscikit-learn)集成,并通过用于训练和预测的自定义容器支持所有机器学习框架。

查看所有特性

客户

客户通过基于 Vertex AI 的颠覆性创新而蓬勃发展

“Vertex Pipelines 使我们能够更快地从机器学习原型转向生产模型,并让我们相信我们的机器学习基础设施将随着我们的伸缩与交易量保持同步。”

Hannes Hapke 机器学习工程师,Digits Financial, Inc
阅读案例

最新资讯

开始使用 Vertex AI 构建的研讨会

订阅 Google Cloud 简报,了解产品动态、活动安排、特别优惠以及更多资讯。

文档

Vertex AI 的资源和文档

Google Cloud 基础知识
AI 简化视频系列

了解如何使用 Vertex AI 管理数据集、使用 AutoML 构建和训练模型,或从头开始构建自定义模型以及构建 Vertex Pipelines。

白皮书
MLOps 从业人员指南

本白皮书为机器学习的持续交付和自动化提供了一个框架,并在实践中解决了 MLOps 系统的具体细节。

最佳做法
Vertex AI 最佳做法指南

探索有关将 Vertex AI 用于常见使用场景的建议。

Google Cloud 基础知识
Vertex Data Labeling

Vertex Data Labeling 可让您与人工标注者合作,为可在机器学习模型中使用的数据集合生成高度准确的标签。

架构
探索对话式 AI

使用 AI 驱动的 Text-to-Speech 将文本转换为听起来自然的语音,或使用 Dialogflow 构建对话式 AI。

使用场景

探索利用 Vertex AI 的常见方式

使用场景
数据准备

Vertex AI 支持您的数据准备流程。您可以注入 BigQuery 和 Cloud Storage 数据,并利用 Vertex Data Labeling 为高质量的训练数据添加注释,提高预测准确率。

使用场景
特征工程

使用 Vertex Feature Store,一个全代管式丰富特征存储库,来提供、共享和重用机器学习特征;Vertex Experiments 跟踪、分析和发现机器学习实验以加快模型选择;Vertex TensorBoard 可视化机器学习实验;以及 Vertex Pipelines 通过简化机器学习流水线的构建和运行来简化 MLOps 过程。

使用场景
训练和超参数调节

通过使用 AutoML 确定图像、表格、文本或视频预测任务的最佳模型架构,或使用 Notebooks 构建自定义模型,无需代码即可构建最先进的 ML 模型。Vertex Training 提供全代管式训练服务,Vertex Vizier 提供优化的超参数以实现最大的预测准确性。

使用场景
模型服务

Vertex Prediction 可以轻松地将模型部署到生产中,通过 HTTP 进行在线服务或批量预测的批量预测。您可以将基于任何框架(包括 TensorFlow、PyTorch、scikit 或 XGB)构建的自定义模型部署到 Vertex Prediction,并使用内置工具来跟踪模型的性能。

使用场景
模型调整和理解

通过 Explainable AI 获取详细的模型评估指标和特征归因。Explainable AI 会告诉您每个输入特征对于预测的重要程度。可在 AutoML Tables、Vertex Prediction 和 Notebooks 中直接使用。

使用场景
边缘

Vertex ML Edge Manager(处于试验阶段)旨在通过灵活的 API 促进边缘推理和自动化流程的无缝部署和监控,让您可以在私有和公共云基础架构、本地数据中心和边缘设备之间分发 AI。

使用场景
模型监控

借助持续监控功能,您可以轻松主动地监控 Vertex Prediction 服务中部署的模型在一段时间内的模型性能。持续监控功能会监控模型的预测性能的信号,并在信号出现偏差时发出提醒、诊断偏差原因、触发模型重新训练流水线或收集相关训练数据。

使用场景
模型管理

Vertex ML Metadata 通过自动跟踪 Vertex Pipelines 中所有组件的输入和输出,为您的机器学习工作流进行工件、沿袭和执行跟踪,从而实现更轻松的可审计性和治理。使用 Python SDK 直接通过您的代码跟踪自定义元数据和查询元数据。

所有特性

单个统一工作流中的 MLOps 工具

AutoML 无需编写训练例程,即可轻松开发高质量的自定义机器学习模型。由 Google 最先进的迁移学习和超参数搜索技术提供支持。
Deep Learning VM Image 映像 在 Compute Engine 实例中实例化一个内含最热门 AI 框架的虚拟机映像,而无需担心软件兼容性。
笔记本 使用标准数据科学家工作台 JupyterLab 创建、管理和连接虚拟机。虚拟机预装了深度学习框架和库。
Vertex Matching Engine 可大规模伸缩、低延迟和经济高效的矢量相似性匹配服务。
Vertex Data Labeling 获得人工标注员提供的高准确度标签,以便改善机器学习模型。
Vertex Deep Learning Containers 在可移植的一致环境中为您的所有 AI 应用快速构建和部署模型。
Vertex Edge Manager 使用灵活的 API 无缝部署和监控边缘推理和自动化流程。
Vertex Explainable AI 通过集成到 Vertex Prediction、AutoML Tables 和 Notebooks 中的稳健、可操作的解释,理解并建立对模型预测的信任。
Vertex Feature Store 全代管式的丰富特征存储库,用于提供、共享和重复使用机器学习特征。
Vertex ML Metadata 机器学习工作流的工件、沿袭和执行跟踪,具有简单易用的 Python SDK。
Vertex 模型监控 针对数据偏移、概念偏移或其他可能需要监控的模型性能突发事件自动发出提醒。
Vertex Neural Architecture Search 借助这项由 Google 领先的 AI 研究提供支持的自动化服务,构建针对特定应用需求的新模型架构,并针对延迟、内存和功耗优化您现有的模型架构。
Vertex Pipelines 使用 TensorFlow Extended 和 Kubeflow Pipelines 构建流水线,并利用 Google Cloud 的代管式服务以可伸缩方式执行并按使用付费。通过详细的元数据跟踪、连续建模和触发模型再训练来简化您的 MLOps。
Vertex Prediction 将模型轻松部署到生产环境中,提供通过 HTTP 的在线服务或进行批量打分的批量预测。Vertex Prediction 提供统一框架,用于部署在 TensorFlow、scikit 或 XGB 中训练的自定义模型,以及 BQML 和 AutoML 模型,涵盖各种机器类型和 GPU。
Vertex Tensorboard 这种用于机器学习实验的可视化和跟踪工具包括显示图像、文本和音频数据的模型图。
Vertex Training Vertex Training 提供了一组预先构建的算法,并允许用户携带自定义代码来训练模型。一种全代管式训练服务,适用于需要更大灵活性和自定义的用户,或者适用于在本地或其他云环境中运行培训的用户。
Vertex Vizier 优化超参数以实现最高的预测准确率。

价格

价格

Vertex AI 针对模型训练、预测和 Google Cloud 产品资源收取使用费。

获取全价费率或使用我们的价格计算器。