Questa pagina è stata tradotta dall'API Cloud Translation.

Migrazione delle applicazioni a Vertex AI

Vertex AI riunisce AI Platform e i servizi AutoML precedenti in un'unica interfaccia utente e API unificata per semplificare il processo di creazione, addestramento e deployment dei modelli di machine learning. Con Vertex AI, puoi passare più velocemente dalla sperimentazione alla produzione, scoprire in modo efficiente schemi e anomalie, fare previsioni e decisioni migliori e rimanere agile di fronte alle mutevoli priorità e condizioni del mercato. Questa pagina ti aiuta a determinare le modifiche da apportare quando esegui la migrazione delle applicazioni da AutoML o AI Platform legacy a Vertex AI.

Vertex AI supporta tutte le funzionalità e i modelli disponibili nella versione precedente di AutoML e AI Platform. Tuttavia, le librerie client non supportano la compatibilità con le versioni precedenti dell'integrazione del client. In altre parole, devi pianificare la migrazione delle tue risorse per usufruire delle funzionalità di Vertex AI.

Questa pagina mette a confronto i metodi dell'API utilizzati per completare i percorsi comuni degli utenti in modo da capire come le applicazioni del tuo progetto potrebbero essere aggiornate per utilizzare l'API Vertex AI.

Percorsi comuni degli utenti

Seleziona la scheda del tuo prodotto, quindi fai clic su un percorso utente per vedere il confronto tra i metodi dell'API Vertex AI e quelli delle API utilizzati dalle tue applicazioni esistenti.

AutoML Natural Language precedente

A partire dal 15 settembre 2024, potrai personalizzare solo gli scopi di classificazione, estrazione di entità e analisi del sentiment passando ai prompt e alla regolazione di Vertex AI Gemini. L'addestramento o l'aggiornamento dei modelli per Vertex AI AutoML per gli scopi di classificazione del testo, estrazione di entità e analisi del sentiment non sarà più disponibile. Puoi continuare a utilizzare i modelli Text di AutoML per Vertex AI esistenti fino al 15 giugno 2025. Per un confronto tra AutoML Text e Gemini, consulta Gemini per gli utenti di AutoML Text. Per saperne di più su come Gemini offre un'esperienza utente migliorata grazie a funzionalità di richiesta avanzate, consulta Introduzione all'ottimizzazione. Per iniziare a utilizzare l'ottimizzazione, consulta Ottimizzazione dei modelli di testo Gemini

Fai clic su uno dei seguenti percorsi dell'utente:

AutoML Natural Language: addestra ed esegui il deployment di un modello di classificazione del testo
AutoML Natural Language: addestra ed esegui il deployment di un modello di estrazione di entità di testo
AutoML Natural Language: addestrare ed eseguire il deployment di un modello di analisi del sentiment del testo

AutoML Natural Language precedente: addestramento ed esecuzione di un modello di classificazione del testo

Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Natural Language legacy e Vertex AI e poi utilizza la tabella seguente per eseguire la migrazione dell'API.

Passaggio	AutoML Natural Language precedente	Vertex AI
Crea un set di dati	`projects.locations.datasets.create`	`projects.locations.datasets.create`
Crea un set di dati	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Valuta il modello	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Valuta il modello	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.locations.models.deploy`	`projects.locations.endpoints.create`
	`projects.locations.models.deploy`	`projects.locations.endpoints.deployModel`
	`projects.locations.models.predict`	`projects.locations.endpoints.predict`

Torna all'inizio

AutoML Natural Language precedente: addestrare ed eseguire il deployment di un modello di estrazione di entità di testo

Passaggio	AutoML Natural Language precedente	Vertex AI
Crea un set di dati	`projects.locations.datasets.create`	`projects.locations.datasets.create`
Crea un set di dati	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Valuta il modello	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Valuta il modello	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.locations.models.deploy`	`projects.locations.endpoints.create`
	`projects.locations.models.deploy`	`projects.locations.endpoints.deployModel`
	`projects.locations.models.predict`	`projects.locations.endpoints.predict`

Torna all'inizio

AutoML Natural Language precedente: addestrare ed eseguire il deployment di un modello di sentiment del testo

Passaggio	AutoML Natural Language precedente	Vertex AI
Crea un set di dati	`projects.locations.datasets.create`	`projects.locations.datasets.create`
Crea un set di dati	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Valuta il modello	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Valuta il modello	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.locations.models.deploy`	`projects.locations.endpoints.create`
	`projects.locations.models.deploy`	`projects.locations.endpoints.deployModel`
	`projects.locations.models.predict`	`projects.locations.endpoints.predict`

Torna all'inizio

AutoML Video Intelligence precedente

Fai clic su uno dei seguenti percorsi dell'utente:

AutoML Video Intelligence: addestramento ed esecuzione di un modello di monitoraggio degli oggetti
AutoML Video Intelligence: addestramento ed esecuzione del deployment di un modello di classificazione dei video

AutoML Video Intelligence precedente: addestrare ed eseguire il deployment di un modello di rilevamento degli oggetti

Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Video legacy e Vertex AI e poi utilizza la tabella seguente per eseguire la migrazione dell'API.

Passaggio	AutoML Video precedente	Vertex AI
Crea un set di dati	`projects.locations.datasets.create`	`projects.locations.datasets.create`
Crea un set di dati	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Valuta il modello	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Valuta il modello	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`

Torna all'inizio

AutoML Video Intelligence precedente: addestramento ed esecuzione di un modello di classificazione dei video

Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Video legacy e Vertex AI e poi utilizza la tabella seguente per eseguire la migrazione dell'API.

Passaggio	AutoML Video precedente	Vertex AI
Crea un set di dati	`projects.locations.datasets.create`	`projects.locations.datasets.create`
Crea un set di dati	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Valuta il modello	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Valuta il modello	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`

Torna all'inizio

AutoML Vision precedente

Fai clic su uno dei seguenti percorsi dell'utente:

AutoML Vision: addestramento e deployment di un modello di classificazione delle immagini
AutoML Vision: addestrare ed eseguire il deployment di un modello di rilevamento degli oggetti

AutoML Vision precedente: addestra ed esegui il deployment di un modello di classificazione delle immagini

Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Vision legacy e Vertex AI e poi utilizza la seguente tabella per eseguire la migrazione dell'API.

Passaggio	AutoML Vision precedente	Vertex AI
Crea un set di dati	`projects.locations.datasets.create`	`projects.locations.datasets.create`
Crea un set di dati	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Valuta il modello	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Valuta il modello	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.locations.models.deploy`	`projects.locations.endpoints.create`
	`projects.locations.models.deploy`	`projects.locations.endpoints.deployModel`
	`projects.locations.models.predict`	`projects.locations.endpoints.predict`
Addestrare ed esportare un modello Edge	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
	`projects.locations.models.export`	`projects.locations.models.export`

Torna all'inizio

AutoML Vision precedente: addestramento e implementazione di un modello di rilevamento di oggetti

Scopri le differenze tra l'API AutoML legacy e l'API Vertex AI, le differenze tra i prodotti AutoML Vision legacy e Vertex AI e poi utilizza la seguente tabella per eseguire la migrazione dell'API.

Passaggio	AutoML Vision precedente	Vertex AI
Crea un set di dati	`projects.locations.datasets.create`	`projects.locations.datasets.create`
Crea un set di dati	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Addestra un modello	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Valuta il modello	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Valuta il modello	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.locations.models.deploy`	`projects.locations.endpoints.create`
	`projects.locations.models.deploy`	`projects.locations.endpoints.deployModel`
	`projects.locations.models.predict`	`projects.locations.endpoints.predict`

Torna all'inizio

AI Platform

Fai clic su uno dei seguenti percorsi dell'utente:

Piattaforma AI: addestra e esegui il deployment di un modello XGBoost con le versioni di runtime ospitate
AI Platform: addestrare e implementare un modello scikit-learn con le versioni di runtime ospitate
AI Platform: addestra ed esegui il deployment di un modello TensorFlow con container personalizzati
AI Platform: addestrava e implementa un modello TensorFlow con le versioni di runtime ospitate
AI Platform Prediction: invia un job di previsione batch per un modello TensorFlow ospitato
AI Platform Training: invia un job di addestramento di ottimizzazione degli iperparametri con TensorFlow

AI Platform: addestramento ed esecuzione di un modello XGBoost con versioni di runtime ospitate

Scopri le differenze tra i prodotti AI Platform e Vertex AI e utilizza la tabella seguente per eseguire la migrazione della tua API.

Passaggio	AI Platform	Vertex AI
Addestra un modello	`projects.jobs.create`	`projects.locations.customJobs.create`
Addestra un modello	`projects.jobs.get`	`projects.locations.customJobs.get`
Esegui il deployment del modello	`projects.models.create`	`projects.locations.models.upload`
Esegui il deployment del modello	`projects.models.versions.create`	`projects.locations.models.upload`
Effettuare previsioni batch	La previsione batch di AI Platform non è supportata per XGBoost.	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch		`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.predict`	`projects.locations.endpoints.create`
		`projects.locations.endpoints.deployModel`
		`projects.locations.endpoints.predict`

Torna all'inizio

AI Platform: addestrare ed eseguire il deployment di un modello scikit-learn con le versioni di runtime ospitate

Scopri le differenze tra i prodotti AI Platform e Vertex AI e utilizza la tabella seguente per eseguire la migrazione della tua API.

Passaggio	AI Platform	Vertex AI
Addestra un modello	`projects.jobs.create`	`projects.locations.customJobs.create`
Addestra un modello	`projects.jobs.get`	`projects.locations.customJobs.get`
Esegui il deployment del modello	`projects.models.create`	`projects.locations.models.upload`
Esegui il deployment del modello	`projects.models.versions.create`	`projects.locations.models.upload`
Effettuare previsioni batch	La previsione batch di AI Platform non è supportata per scikit-learn.	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch		`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.predict`	`projects.locations.endpoints.create`
		`projects.locations.endpoints.deployModel`
		`projects.locations.endpoints.predict`

Torna all'inizio

AI Platform: addestramento e deployment di un modello TensorFlow con container personalizzati

Scopri le differenze tra i prodotti AI Platform e Vertex AI e utilizza la tabella seguente per eseguire la migrazione della tua API.

Passaggio	AI Platform	Vertex AI
Addestra un modello	`projects.jobs.create`	`projects.locations.customJobs.create`
Addestra un modello	`projects.jobs.get`	`projects.locations.customJobs.get`
Esegui il deployment del modello	`projects.models.create`	`projects.locations.models.upload`
Esegui il deployment del modello	`projects.models.versions.create`	`projects.locations.models.upload`
Effettuare previsioni batch	`projects.jobs.create`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.jobs.get`	`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.predict`	`projects.locations.endpoints.create`
		`projects.locations.endpoints.deployModel`
		`projects.locations.endpoints.predict`

Torna all'inizio

AI Platform: addestrare e implementare un modello TensorFlow con versioni di runtime in hosting

Scopri le differenze tra i prodotti AI Platform e Vertex AI e utilizza la tabella seguente per eseguire la migrazione della tua API.

Passaggio	AI Platform	Vertex AI
Addestra un modello	`projects.jobs.create`	`projects.locations.customJobs.create`
Addestra un modello	`projects.jobs.get`	`projects.locations.customJobs.get`
Esegui il deployment del modello	`projects.models.create`	`projects.locations.models.upload`
Esegui il deployment del modello	`projects.models.versions.create`	`projects.locations.models.upload`
Effettuare previsioni batch	`projects.jobs.create`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.jobs.get`	`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.predict`	`projects.locations.endpoints.create`
		`projects.locations.endpoints.deployModel`
		`projects.locations.endpoints.predict`

Torna all'inizio

AI Platform Prediction: invia un job di previsione batch per un modello TensorFlow ospitato

Scopri le differenze tra i prodotti AI Platform Prediction e Vertex AI e utilizza la tabella seguente per eseguire la migrazione dell'API.

Passaggio	AI Platform Prediction	Vertex AI
Addestra un modello	`projects.jobs.create`	`projects.locations.customJobs.create`
Addestra un modello	`projects.jobs.get`	`projects.locations.customJobs.get`
Esegui il deployment del modello	`projects.models.create`	`projects.locations.models.upload`
Esegui il deployment del modello	`projects.models.versions.create`	`projects.locations.models.upload`
Effettuare previsioni batch	`projects.jobs.create`	`projects.locations.batchPredictionJobs.create`
Effettuare previsioni batch	`projects.jobs.get`	`projects.locations.batchPredictionJobs.get`
Effettuare previsioni online	`projects.predict`	`projects.locations.endpoints.create`
		`projects.locations.endpoints.deployModel`
		`projects.locations.endpoints.predict`

Torna all'inizio

AI Platform Training: invia un job di addestramento di ottimizzazione degli iperparametri con TensorFlow

Scopri le differenze tra i prodotti AI Platform Training e Vertex AI e utilizza la tabella seguente per eseguire la migrazione dell'API.

Passaggio	AI Platform Training	Vertex AI
Addestra un modello	`projects.jobs.create`	`projects.locations.hyperparameterTuningJobs.create`
Addestra un modello	`projects.jobs.get`	`projects.locations.hyperparameterTuningJobs.get`

Torna all'inizio

Passaggi successivi

Configura un progetto e un ambiente di sviluppo per iniziare a utilizzare Vertex AI.