Vertex AI Pipelines 的接口

本页面列出了可用于在 Vertex AI Pipelines 上定义和运行机器学习流水线的接口。

用于定义流水线的接口

Vertex AI Pipelines 支持使用 Kubeflow Pipelines (KFP) SDK 或 TensorFlow Extended (TFX) SDK 定义的机器学习流水线。

Kubeflow Pipelines (KFP) SDK

Kubeflow Pipelines 徽标 对于不需要使用 TensorFlow Extended 处理大量结构化数据或文本数据的所有用例，请使用 KFP。

Vertex AI Pipelines 支持 KFP SDK v1.8 或更高版本。不过，如需使用 Vertex AI Pipelines 文档中的代码示例，请使用 KFP SDK v2。

使用 KFP SDK 时，您可以通过构建自定义组件以及重复使用预构建组件（例如 Google Cloud 流水线组件）来定义机器学习工作流。借助 Google Cloud 流水线组件，您可以在机器学习流水线中轻松使用 AutoML 等 Vertex AI 服务。Vertex AI Pipelines 支持 Google Cloud 流水线组件 SDK v2 或更高版本。如需详细了解 Google Cloud 流水线组件，请参阅 Google Cloud 流水线组件简介。

如需了解如何使用 Kubeflow Pipelines 构建流水线，请参阅构建流水线。如需详细了解 Kubeflow Pipelines，请参阅 Kubeflow Pipelines 文档。

TensorFlow Extended (TFX) SDK

TFX SDK 徽标 如果您在机器学习工作流中使用 TensorFlow Extended 处理 TB 级结构化数据或文本数据，请使用 TFX。Vertex AI Pipelines 支持 TFX SDK v0.30.0 或更高版本。

如需了解如何使用 TFX 构建机器学习流水线，请参阅正式版生产环境中的 TensorFlow Extended 入门教程。

用于运行流水线的接口

定义机器学习流水线后，您可以使用以下任一接口创建机器学习流水线运行作业：

  • REST API

  • SDK 客户端

  • Google Cloud 控制台

如需详细了解可用于与 Vertex AI 交互的接口，请参阅 Vertex AI 的接口。

REST API

如需使用 REST 创建流水线作业，请使用 Pipelines 服务 API。此 API 使用 projects.locations.pipelineJobs REST 资源。

SDK 客户端

借助 Vertex AI Pipelines，您可以使用 Python 版 Vertex AI SDK 或客户端库创建流水线作业。

Python 版 Vertex AI SDK

如需以编程方式使用 Pipelines 服务 API，建议使用 Python 版 Vertex AI SDK (aiplatform)。如需详细了解此 SDK，请参阅 google.cloud.aiplatform.PipelineJob 的 API 文档。

客户端库

客户端库是通过编程生成的 API 客户端 (GAPIC) SDK。Vertex AI Pipelines 支持以下客户端库：

  • Python (aiplatform v1 和 v1beta1)

  • Java

  • Node.js

  • Go

如需了解详情，请参阅安装 Vertex AI 客户端库。

Google Cloud 控制台（GUI）

建议使用 Google Cloud 控制台来检查和监控流水线运行。您还可以使用 Google Cloud 控制台执行其他任务，例如创建、删除和克隆流水线作业、访问模板库以及检索流水线作业的结算标签。

前往 Google Cloud 控制台中的“流水线”页面

后续步骤