Interfaces para o Vertex AI Pipelines

Nesta página, estão listadas as interfaces que podem ser usadas para definir e executar pipelines de ML no Vertex AI Pipelines.

Interfaces para definir um pipeline

O Vertex AI Pipelines oferece suporte a pipelines de ML definidos usando o SDK do Kubeflow Pipelines (KFP) ou o SDK do TensorFlow Extended (TFX).

SDK do Kubeflow Pipelines (KFP)

Logotipo do Kubeflow Pipelines Use o KFP em todos os casos de uso em que não é necessário usar o TensorFlow Extended para processar grandes quantidades de dados estruturados ou de texto.

O Vertex AI Pipelines oferece suporte ao SDK do KFP v1.8 ou mais recente. No entanto, para usar os exemplos de código na documentação do Vertex AI Pipelines, use o SDK do KFP v2.

Ao usar o SDK do KFP, é possível definir o fluxo de trabalho de ML criando componentes personalizados e reutilizando componentes pré-criados, como os Google Cloud componentes de pipeline Google Cloud .Com eles, é fácil usar serviços da Vertex AI como o AutoML no seu pipeline de ML. O Vertex AI Pipelines oferece suporte ao SDK de componentes do pipeline Google Cloud v2 ou mais recente. Para mais informações sobre componentes de pipelineGoogle Cloud , consulte Introdução aos componentes de pipeline Google Cloud .

Para aprender a criar um pipeline usando o Kubeflow Pipelines, consulte Criar um pipeline. Para saber mais sobre o Kubeflow Pipelines, consulte a documentação do Kubeflow Pipelines.

SDK do TensorFlow Extended (TFX)

Logotipo do SDK do TFX Use o TFX se você usar o TensorFlow Extended no fluxo de trabalho de ML para processar terabytes de dados estruturados ou de texto. O Vertex AI Pipelines oferece suporte ao SDK do TFX v0.30.0 ou mais recente.

Para saber como criar pipelines de ML usando o TFX, consulte a seção Tutoriais de introdução nos tutoriais do Production Extended em produção.

Interfaces para executar um pipeline

Depois de definir o pipeline de ML, é possível criar uma execução de pipeline de ML usando qualquer uma das seguintes interfaces:

  • API REST

  • Clientes do SDK

  • Google Cloud console

Para mais informações sobre as interfaces que podem ser usadas para interagir com a Vertex AI, consulte Interfaces para a Vertex AI.

API REST

Para criar uma execução de pipeline usando REST, use a API de serviço Pipelines. Essa API usa o recurso REST projects.locations.pipelineJobs.

Clientes do SDK

O Vertex AI Pipelines permite criar execuções de pipeline usando o SDK da Vertex AI para Python ou bibliotecas de cliente.

SDK da Vertex AI para Python

O SDK da Vertex AI para Python (aiplatform) é recomendado para trabalhar de maneira programática com a API de serviço Pipelines. Para mais informações sobre esse SDK, consulte a documentação da API para google.cloud.aiplatform.PipelineJob.

Bibliotecas de cliente

As bibliotecas de cliente são SDKs de clientes de API gerados (GAPIC) de forma programática. O Vertex AI Pipelines oferece suporte às seguintes bibliotecas de cliente:

  • Python (aiplatform v1 e v1beta1)

  • Java

  • Node.js

  • Go

Para mais informações, consulte Instalar as bibliotecas de cliente da Vertex AI.

Console doGoogle Cloud (GUI)

OGoogle Cloud console é a maneira recomendada para verificar e monitorar as execuções do pipeline. Também é possível realizar outras tarefas usando o console Google Cloud , como criar, excluir e clonar execuções de pipelines, acessar a Galeria de modelos e recuperar o rótulo de faturamento para uma execução de pipeline.

Acessar "Pipelines" no console do Google Cloud

A seguir