Interfacce per Vertex AI Pipelines

Questa pagina elenca le interfacce che puoi utilizzare per definire ed eseguire pipeline ML su Vertex AI Pipelines.

Interfacce per definire una pipeline

Vertex AI Pipelines supporta le pipeline ML definite utilizzando l'SDK Kubeflow Pipelines (KFP) o l'SDK TensorFlow Extended (TFX).

SDK Kubeflow Pipelines (KFP)

Logo di Kubeflow Pipelines Utilizza KFP per tutti i casi d'uso in cui non è necessario utilizzare TensorFlow Extended per elaborare enormi quantità di dati strutturati o di testo.

Vertex AI Pipelines supporta KFP SDK 1.8 o versioni successive. Tuttavia, per utilizzare gli esempi di codice nella documentazione di Vertex AI Pipelines, utilizza l'SDK KFP v2.

Quando utilizzi l'SDK KFP, puoi definire il flusso di lavoro ML creando componenti personalizzati e riutilizzando componenti predefiniti, ad esempio i componenti della pipeline.I componenti della pipeline ti consentono di utilizzare facilmente i servizi Vertex AI come AutoML nella tua pipeline ML.Google Cloud Google Cloud Vertex AI Pipelines supporta Google Cloud Pipeline Components SDK v2 o versioni successive. Per saperne di più sui componenti pipelineGoogle Cloud , vedi Introduzione ai componenti pipeline. Google Cloud

Per scoprire come creare una pipeline utilizzando Kubeflow Pipelines, consulta Creare una pipeline. Per scoprire di più su Kubeflow Pipelines, consulta la documentazione di Kubeflow Pipelines.

SDK TensorFlow Extended (TFX)

Logo dell'SDK TFX Utilizza TFX se utilizzi TensorFlow Extended nel tuo flusso di lavoro ML per elaborare terabyte di dati strutturati o di testo. Vertex AI Pipelines supporta TFX SDK 0.30.0 o versioni successive.

Per scoprire come creare pipeline ML utilizzando TFX, consulta la sezione Tutorial per iniziare dei tutorial su TensorFlow Extended in produzione.

Interfacce per eseguire una pipeline

Dopo aver definito la pipeline ML, puoi creare un'esecuzione della pipeline ML utilizzando una delle seguenti interfacce:

  • API REST

  • Client SDK

  • Google Cloud console

Per saperne di più sulle interfacce che puoi utilizzare per interagire con Vertex AI, consulta Interfacce per Vertex AI.

API REST

Per creare un'esecuzione della pipeline utilizzando REST, utilizza l'API del servizio Pipelines. Questa API utilizza la risorsa REST projects.locations.pipelineJobs.

Client SDK

Vertex AI Pipelines consente di creare esecuzioni di pipeline utilizzando l'SDK Vertex AI per Python o le librerie client.

SDK Vertex AI per Python

L'SDK Vertex AI per Python (aiplatform) è l'SDK consigliato per lavorare in modo programmatico con l'API del servizio Pipelines. Per saperne di più su questo SDK, consulta la documentazione dell'API per google.cloud.aiplatform.PipelineJob.

Librerie client

Le librerie client sono SDK di client API generati in modo programmatico (GAPIC). Vertex AI Pipelines supporta le seguenti librerie client:

  • Python (aiplatform v1 e v1beta1)

  • Java

  • Node.js

  • Go

Per saperne di più, vedi Installare le librerie client di Vertex AI.

Google Cloud console (GUI)

Google Cloud è il modo consigliato per esaminare e monitorare le esecuzioni della pipeline. Puoi anche eseguire altre attività utilizzando la console Google Cloud , ad esempio creare, eliminare e clonare esecuzioni della pipeline, accedere alla galleria di modelli e recuperare l'etichetta di fatturazione per un'esecuzione della pipeline.

Vai a Pipelines nella Google Cloud console

Passaggi successivi