Auf dieser Seite werden die Schnittstellen beschrieben, über die Sie mit Vertex AI interagieren können. Außerdem erfahren Sie, wann Sie sie verwenden sollten. Sie können diese Schnittstellen zusammen mit einer der Notebook-Lösungen von Vertex AI verwenden.
Einige Vertex AI-Vorgänge sind nur über bestimmte Schnittstellen verfügbar. Daher müssen Sie während des Workflows möglicherweise zwischen den Schnittstellen wechseln. In Vertex AI Experiments müssen Sie beispielsweise die API verwenden, um Daten in einem Testlauf zu protokollieren. Die Ergebnisse können Sie jedoch in der Konsole anzeigen lassen.
Console
Die Google Cloud Console ist eine grafische Benutzeroberfläche, über die Sie mit Ihren Ressourcen für maschinelles Lernen arbeiten können.
In der Google Cloud Console können Sie Ihre verwalteten Datasets, Modelle, Endpunkte und Jobs verwalten. Über die Console können Sie auch auf andere Google Cloud-Dienste wie Cloud Storage und BigQuery zugreifen.
Verwenden Sie die Google Cloud Console, wenn Sie Ihre Vertex AI-Ressourcen und -Visualisierungen über eine grafische Benutzeroberfläche anzeigen und verwalten möchten.
Weitere Informationen finden Sie auf der Seite Dashboard im Abschnitt zu Vertex AI:
gcloud
Die Google Cloud-Befehlszeile (CLI) besteht aus einer Reihe von Tools zum Erstellen und Verwalten von Google Cloud-Ressourcen mit dem Befehl gcloud.
Verwenden Sie die Google Cloud CLI, wenn Sie Ihre Vertex AI-Ressourcen über die Befehlszeile oder über Skripts und andere Automatisierungen verwalten möchten.
Weitere Informationen finden Sie unter gcloud CLI installieren und in der gcloud ai-Referenz.
Terraform
Terraform ist ein IaC-Tool (Infrastructure-as-Code), mit dem Sie die Infrastruktur wie Ressourcen und Berechtigungen für mehrere Google Cloud-Dienste einschließlich Vertex AI bereitstellen können.
Sie können die Vertex AI-Ressourcen und -Berechtigungen für Ihr Google Cloud-Projekt in einer Terraform-Konfigurationsdatei definieren. Anschließend können Sie die Konfiguration mit Terraform auf Ihr Projekt anwenden, indem Sie neue Ressourcen erstellen und vorhandene Ressourcen aktualisieren.
Verwenden Sie Terraform, wenn Sie die Infrastruktur für Vertex AI-Ressourcen in Ihrem Google Cloud-Projekt standardisieren und die vorhandene Infrastruktur von Google Cloud-Projekten aktualisieren möchten, während Sie die Ressourcenabhängigkeiten erfüllen.
Informationen zum Einstieg finden Sie unter Terraform-Unterstützung für Vertex AI.
Python
Verwenden Sie das Vertex AI SDK für Python, um den Vertex AI-Workflow programmatisch zu automatisieren.
Das Vertex AI SDK für Python ähnelt der Vertex AI Python-Clientbibliothek, mit der Ausnahme, dass das SDK auf höherer Ebene arbeitet und weniger detailliert ist. Weitere Informationen finden Sie unter Unterschiede zwischen SDK und Clientbibliotheken verstehen.
Informationen zum Einstieg finden Sie unter Vertex AI SDK installieren.
Clientbibliotheken
Clientbibliotheken verwenden die natürlichen Konventionen der jeweiligen unterstützten Sprache, um die Vertex AI API aufzurufen und den Boilerplate-Code zu reduzieren, den Sie schreiben müssen.
Die folgenden Sprachen werden für Vertex AI unterstützt:
Python. Die Vertex AI-Python-Clientbibliothek wird bei der Installation des Vertex AI SDK für Python installiert.
Java
Node.js
C#
Go
Weitere Informationen finden Sie unter Vertex AI-Clientbibliotheken installieren.
REST
Die Vertex AI REST API bietet RESTful-Dienste zum Verwalten von Jobs, Modellen und Endpunkten sowie zum Erstellen von Vorhersagen mit gehosteten Modellen in Google Cloud.
Verwenden Sie die REST API, wenn Sie eigene Bibliotheken zum Aufrufen der Vertex AI API aus Ihrer Anwendung benötigen.
Informationen zum Einstieg finden Sie in der REST-Referenz zur Vertex AI API.
Nächste Schritte
- Projekt- und Entwicklungsumgebung einrichten.
- Eine Trainingsmethode auswählen.
- Anleitungen für die Datentypen Bild, Text, Tabelle und Video sowie Benutzerdefiniertes Training.
- Best Practices für die Implementierung benutzerdefinierter ML-Modelle in Vertex AI