El SDK de los componentes de canalización de Google Cloud (GCPC) proporciona un conjunto de componentes precompilados de Kubeflow Pipelines que son de calidad de producción, eficaces y fáciles de usar. Puedes usar los componentes de canalización de Google Cloud para definir y ejecutar canalizaciones de AA en Vertex AI Pipelines y otros backends de ejecución de canalizaciones de AA de acuerdo con Kubeflow Pipelines.
Por ejemplo, puedes usar estos componentes para completar las siguientes tareas:
- Crea un conjunto de datos nuevo y carga diferentes tipos de datos en él (de imagen, tabulares, de texto o de video).
- Exporta datos de un conjunto de datos a Cloud Storage.
- Usa AutoML para entrenar un modelo con datos de imagen, tabulares, de texto o de video.
- Ejecutar un trabajo de entrenamiento personalizado mediante un contenedor personalizado o un paquete de Python.
- Sube un modelo existente a Vertex AI para la predicción por lotes.
- Crea un extremo nuevo e implementa un modelo en él para realizar predicciones en línea.
Además, estos componentes de canalización de Google Cloud precompilados son compatibles con Vertex AI Pipelines y ofrecen los siguientes beneficios:
- Depuración más sencilla: Muestra los recursos subyacentes iniciados desde el componente para una depuración simplificada.
- Tipos de artefactos estándar: Proporciona interfaces coherentes a fin de usar tipos de artefactos estándar para la entrada y la salida. Se realiza un seguimiento de estos artefactos estándar en los metadatos de Vertex ML, por lo que es más fácil analizar el linaje de los artefactos de tu canalización. Para obtener más detalles sobre el linaje de artefactos, consulta Seguimiento del linaje de artefactos de canalización.
- Comprende los costos de las canalizaciones con etiquetas de facturación: Las etiquetas de recursos se propagan de forma automática a los servicios de Google Cloud que generan los componentes de canalización de Google Cloud en la ejecución de tu canalización. Puedes usar las etiquetas de facturación junto con la exportación de la Facturación de Cloud a BigQuery para revisar el costo de la ejecución de la canalización. Si deseas obtener más información sobre el uso de etiquetas para comprender el costo de una ejecución de canalización, consulta Comprende los costos de la ejecución de una canalización. Para obtener más información sobre cómo se propagan las etiquetas de una ejecución de canalización a los recursos generados por los componentes de canalización de Google Cloud, consulta Etiquetado de recursos de Vertex AI Pipelines.
- Rentabilidades*: Las canalizaciones de Vertex AI optimizan la ejecución de estos componentes mediante el inicio de los recursos de Google Cloud, sin tener que iniciar el contenedor. Esto reduce la latencia de inicio y reduce los costos del contenedor en espera.
| * | Esta característica solo se aplica a los siguientes componentes:
|
¿Qué sigue?
- Consulta todos los instructivos que usan el SDK de
google_cloud_pipeline_components. - Obtén más información sobre los componentes de canalización de Google Cloud en la sección de referencia.
- Lee la referencia del SDK de
google_cloud_pipeline_componentsoficial. - Consulta la sección sobre componentes de canalización de Google Cloud en el repositorio del SDK de Kubeflow Pipelines.