Schnittstellen für Vertex AI Pipelines

Auf dieser Seite sind die Schnittstellen aufgeführt, mit denen Sie ML-Pipelines in Vertex AI Pipelines definieren und ausführen können.

Schnittstellen zum Definieren einer Pipeline

Vertex AI Pipelines unterstützt ML-Pipelines, die mit dem Kubeflow Pipelines (KFP) SDK oder dem TensorFlow Extended (TFX) SDK definiert wurden.

Kubeflow Pipelines (KFP) SDK

Kubeflow Pipelines-Logo Verwenden Sie KFP für alle Anwendungsfälle, in denen Sie keine riesigen Mengen an strukturierten Daten oder Textdaten mit TensorFlow Extended verarbeiten müssen.

Vertex AI Pipelines unterstützt KFP SDK v1.8 oder höher. Wenn Sie jedoch die Codebeispiele in der Vertex AI Pipelines-Dokumentation verwenden möchten, müssen Sie das KFP SDK v2 verwenden.

Wenn Sie das KFP SDK verwenden, können Sie Ihren ML-Workflow definieren, indem Sie benutzerdefinierte Komponenten erstellen und vordefinierte Komponenten wie dieGoogle Cloud Pipeline-Komponenten Google Cloud wiederverwenden.Mit Pipeline-Komponenten können Sie Vertex AI-Dienste wie AutoML ganz einfach in Ihrer ML-Pipeline verwenden. Vertex AI Pipelines unterstützt Google Cloud Pipeline Components SDK v2 oder höher. Weitere Informationen zuGoogle Cloud Pipeline-Komponenten finden Sie unter Einführung in Google Cloud Pipeline-Komponenten.

Informationen zum Erstellen einer Pipeline mit Kubeflow Pipelines finden Sie unter Pipeline erstellen. Weitere Informationen zu Kubeflow Pipelines finden Sie in der Kubeflow Pipelines-Dokumentation.

TFX-SDK (TensorFlow Extended)

TFX SDK-Logo Verwenden Sie TFX, wenn Sie TensorFlow Extended in Ihrem ML-Workflow zum Verarbeiten von Terabytes an strukturierten Daten oder Textdaten verwenden. Vertex AI Pipelines unterstützt TFX SDK v0.30.0 oder höher.

Informationen zum Erstellen von ML-Pipelines mit TFX finden Sie im Abschnitt Erste Schritte der Anleitungen zu TensorFlow Extended in der Produktion.

Schnittstellen zum Ausführen einer Pipeline

Nachdem Sie Ihre ML-Pipeline definiert haben, können Sie einen ML-Pipeline-Lauf über eine der folgenden Schnittstellen erstellen:

  • REST API

  • SDK-Clients

  • Google Cloud console

Weitere Informationen zu den Schnittstellen, mit denen Sie mit Vertex AI interagieren können, finden Sie unter Schnittstellen für Vertex AI.

REST API

Wenn Sie eine Pipeline-Ausführung mit REST erstellen möchten, verwenden Sie die Pipelines-Dienst-API. Diese API verwendet die REST-Ressource projects.locations.pipelineJobs.

SDK-Clients

Mit Vertex AI Pipelines können Sie Pipelineausführungen mit dem Vertex AI SDK für Python oder Clientbibliotheken erstellen.

Vertex AI SDK für Python

Das Vertex AI SDK für Python (aiplatform) ist das empfohlene SDK für die programmatische Arbeit mit der Pipelines-Dienst-API. Weitere Informationen zu diesem SDK finden Sie in der API-Dokumentation für google.cloud.aiplatform.PipelineJob.

Clientbibliotheken

Clientbibliotheken sind programmatisch generierte API-Clients (GAPIC) SDKs. Vertex AI Pipelines unterstützt die folgenden Clientbibliotheken:

  • Python (aiplatform v1 und v1beta1)

  • Java

  • Node.js

  • Go

Weitere Informationen finden Sie unter Vertex AI-Clientbibliotheken installieren.

Google Cloud Konsole (GUI)

DieGoogle Cloud console ist die empfohlene Methode zum Überprüfen und Überwachen Ihrer Pipeline-Ausführungen. Sie können mit der Google Cloud -Konsole auch andere Aufgaben ausführen, z. B. Pipeline-Ausführungen erstellen, löschen und klonen, auf die Vorlagengalerie zugreifen und das Abrechnungslabels für eine Pipeline-Ausführung abrufen.

Zu Pipelines in der Google Cloud Console

Nächste Schritte