Vertex AI Pipelines 的介面

本頁面列出可用於在 Vertex AI Pipelines 中定義及執行機器學習 pipeline 的介面。

用於定義管道的介面

Vertex AI Pipelines 支援使用 Kubeflow Pipelines (KFP) SDK 或 TensorFlow Extended (TFX) SDK 定義的機器學習管道。

Kubeflow Pipelines (KFP) SDK

Kubeflow Pipelines 標誌 如果您不需要使用 TensorFlow Extended 處理大量結構化或文字資料，請使用 KFP。

Vertex AI Pipelines 支援 KFP SDK 1.8 以上版本。不過，如要使用 Vertex AI Pipelines 說明文件中的程式碼範例，請使用 KFP SDK 2.0 版。

使用 KFP SDK 時，您可以建構自訂元件，並重複使用預先建構的元件 (例如Google Cloud 管道元件) 來定義機器學習工作流程。 Google Cloud 管道元件可讓您輕鬆在機器學習管道中使用 AutoML 等 Vertex AI 服務。Vertex AI Pipelines 支援 Google Cloud Pipeline Components SDK 2 以上版本。如要進一步瞭解Google Cloud 管道元件，請參閱「 Google Cloud 管道元件簡介」。

如要瞭解如何使用 Kubeflow Pipelines 建構管道，請參閱「建構管道」一文。如要進一步瞭解 Kubeflow Pipelines，請參閱 Kubeflow Pipelines 說明文件。

TensorFlow Extended (TFX) SDK

TFX SDK 標誌 如果您在機器學習工作流程中使用 TensorFlow Extended 處理 TB 規模的結構化或文字資料，請使用 TFX。Vertex AI Pipelines 支援 TFX SDK 0.30.0 以上版本。

如要瞭解如何使用 TFX 建構機器學習管線，請參閱「TensorFlow Extended 在生產環境中的教學課程」中的「入門教學課程」一節。

執行管道的介面

定義機器學習 (ML) 管道後，您可以使用下列任一介面建立 ML 管道執行作業：

  • REST API

  • SDK 用戶端

  • Google Cloud 控制台

如要進一步瞭解可用於與 Vertex AI 互動的介面，請參閱「Vertex AI 的介面」。

REST API

如要使用 REST 建立管道執行作業，請使用 Pipelines 服務 API。這個 API 會使用 projects.locations.pipelineJobs REST 資源。

SDK 用戶端

Vertex AI Pipelines 可讓您使用 Python 適用的 Vertex AI SDK 或用戶端程式庫建立 pipeline 執行作業。

Python 適用的 Vertex AI SDK

如要以程式輔助方式使用 Pipelines 服務 API，建議使用 Python 適用的 Vertex AI SDK (aiplatform)。如要進一步瞭解這個 SDK，請參閱 google.cloud.aiplatform.PipelineJob API 說明文件。

用戶端程式庫

用戶端程式庫是透過程式輔助產生的 API 用戶端 (GAPIC) SDK。Vertex AI Pipelines 支援下列用戶端程式庫：

  • Python (aiplatform v1 和 v1beta1)

  • Java

  • Node.js

  • Go

詳情請參閱「安裝 Vertex AI 用戶端程式庫」。

Google Cloud 控制台 (GUI)

Google Cloud 建議您透過控制台查看及監控管道執行作業。您也可以使用 Google Cloud 控制台執行其他工作，例如建立、刪除及複製管道執行作業、存取範本庫，以及擷取管道執行作業的帳款標籤。

前往 Google Cloud 控制台中的管道

後續步驟