Sign in to your Google Cloud account. If you're new to
Google Cloud,
create an account to evaluate how our products perform in
real-world scenarios. New customers also get $300 in free credits to
run, test, and deploy workloads.
In the Google Cloud console, on the project selector page,
select or create a Google Cloud project.
Nachdem Sie Ihre Umgebung eingerichtet haben, können Sie Ihre App erstellen.
In der Google Cloud -Konsole wird eine App als Diagramm dargestellt.
Außerdem muss ein App-Diagramm in Vertex AI Vision mindestens zwei Knoten haben: einen Videobronnenknoten (Stream) und mindestens einen weiteren Knoten (ein Verarbeitungsmodell oder ein Ausgabeziel).
Leere Anwendung erstellen
Bevor Sie den App-Graphen mit Daten füllen können, müssen Sie zuerst eine leere App erstellen.
Console
Erstellen Sie eine App in der Google Cloud -Konsole.
Öffnen Sie den Tab Anwendungen des Vertex AI Vision-Dashboards.
Geben Sie quickstart-app als App-Namen ein und wählen Sie Ihre Region aus.
Klicken Sie auf Erstellen.
Knoten für Anwendungskomponenten hinzufügen
Nachdem Sie die leere Anwendung erstellt haben, können Sie dem App-Diagramm die drei Knoten hinzufügen: den Aufnahmeknoten, der Streamdaten empfangen kann, den Verarbeitungsknoten, der eine Aufgabe für Computerbilder für Daten ausführt, und einen Datensenkenknoten, in diesem Beispiel ein Warehouse-Speicherziel.
Console
Fügen Sie Ihrer App in der Konsole Knoten für Komponenten hinzu.
Öffnen Sie den Tab Anwendungen des Vertex AI Vision-Dashboards.
Wählen Sie in der Zeile quickstart-app die Option schemaDiagramm ansehen aus. Sie gelangen dann zur grafischen Darstellung der Verarbeitungspipeline.
Knoten für die Datenaufnahme hinzufügen
Wenn Sie einen Knoten für den Eingabestream hinzufügen möchten, wählen Sie im seitlichen Menü im Abschnitt Connectors die Option Streams aus.
Wählen Sie im Abschnitt Quelle des sich öffnenden Menüs Stream die Option addStreams hinzufügen aus.
Wählen Sie im Menü Streams hinzufügen die Option radio_button_checkedNeue Streams registrieren aus und fügen Sie quickstart-stream als Streamname hinzu.
Klicken Sie auf Streams hinzufügen, um den Stream dem App-Diagramm hinzuzufügen.
Knoten zur Datenverarbeitung hinzufügen
Wenn Sie den Modellknoten für den Objektdetektor hinzufügen möchten, wählen Sie im seitlichen Menü im Abschnitt Vortrainierte Modelle die Option Objektdetektor aus.
Datenspeicherknoten hinzufügen
Wählen Sie im Abschnitt Connectors des seitlichen Menüs die Option Media Warehouse von Vertex AI Vision aus, um den Knoten für den Ausgabespeicherort (Speicher) hinzuzufügen.
Klicken Sie im Menü Media Warehouse von Vertex AI Vision auf Warehouse verbinden.
Wählen Sie im Menü Warehouse verbinden die Option radio_button_checkedNeues Warehouse erstellen aus. Geben Sie dem Warehouse den Namen quickstart-warehouse und belassen Sie die TTL-Dauer bei 14 Tagen.
Klicken Sie auf die Schaltfläche Erstellen, um das Warehouse hinzuzufügen.
Anwendung zur Verwendung bereitstellen
Nachdem Sie Ihre End-to-End-App mit allen erforderlichen Komponenten erstellt haben, müssen Sie sie nur noch bereitstellen.
Console
Öffnen Sie den Tab Anwendungen des Vertex AI Vision-Dashboards.
Wählen Sie in der Liste neben der quickstart-app App Grafik ansehen aus.
Klicken Sie auf der Seite „Application Graph Builder“ (Tool zum Erstellen von Anwendungsdiagrammen) auf die Schaltfläche play_arrowDeploy (Bereitstellen).
Wählen Sie im Bestätigungsdialogfeld Bereitstellen aus.
Die Bereitstellung kann mehrere Minuten dauern. Nach Abschluss der Bereitstellung werden neben den Knoten grüne Häkchen angezeigt.
Glückwunsch! Sie haben gerade Ihre erste Vertex AI Vision-App erstellt und bereitgestellt. Das Erstellen und Bereitstellen einer App sind die ersten Schritte zum Erfassen und Verwenden verarbeiteter Mediendaten mit Vertex AI Vision.
Bereinigen
Damit Ihrem Google Cloud-Konto die in dieser Kurzanleitung verwendeten Ressourcen nicht in Rechnung gestellt werden, können Sie entweder das Projekt löschen, das die Ressourcen enthält, oder das Projekt beibehalten und die einzelnen Ressourcen löschen.
Projekt löschen
In the Google Cloud console, go to the Manage resources page.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-11 (UTC)."],[],[],null,["# Quickstart: Build an app in the console\n\nBuild an app in the console\n===========================\n\nLearn how to create a simple Vertex AI Vision object detector app in the\nGoogle Cloud console.\n\n*** ** * ** ***\n\nTo follow step-by-step guidance for this task directly in the\nGoogle Cloud console, click **Guide me**:\n\n[Guide me](https://console.cloud.google.com/freetrial?redirectPath=/?walkthrough_id=vertex-ai-vision--build-app-console-quickstart)\n\n*** ** * ** ***\n\nBefore you begin\n----------------\n\n- Sign in to your Google Cloud account. If you're new to Google Cloud, [create an account](https://console.cloud.google.com/freetrial) to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.\n- In the Google Cloud console, on the project selector page,\n select or create a Google Cloud project.\n\n | **Note**: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.\n\n [Go to project selector](https://console.cloud.google.com/projectselector2/home/dashboard)\n-\n [Verify that billing is enabled for your Google Cloud project](/billing/docs/how-to/verify-billing-enabled#confirm_billing_is_enabled_on_a_project).\n\n-\n\n\n Enable the Vision AI API.\n\n\n [Enable the API](https://console.cloud.google.com/flows/enableapi?apiid=visionai.googleapis.com)\n\n- In the Google Cloud console, on the project selector page,\n select or create a Google Cloud project.\n\n | **Note**: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.\n\n [Go to project selector](https://console.cloud.google.com/projectselector2/home/dashboard)\n-\n [Verify that billing is enabled for your Google Cloud project](/billing/docs/how-to/verify-billing-enabled#confirm_billing_is_enabled_on_a_project).\n\n-\n\n\n Enable the Vision AI API.\n\n\n [Enable the API](https://console.cloud.google.com/flows/enableapi?apiid=visionai.googleapis.com)\n\nCreate an object detector application\n-------------------------------------\n\nAfter you have set up your environment, you can create your app.\n\nIn the Google Cloud console, an app is represented as a graph.\nAdditionally, in Vertex AI Vision, an app graph must have at least two nodes: a\nvideo source node (stream), and *at least* one more node (a processing model or\noutput destination).\n\n### Create an empty app\n\nBefore you can populate the app graph, you must first create an empty app. \n\n### Console\n\nCreate an app in the Google Cloud console.\n\n1. Open the **Applications** tab of the Vertex AI Vision dashboard.\n\n [Go to the Applications tab](https://console.cloud.google.com/ai/vision-ai/applications)\n2. Click the add**Create** button.\n\n3. Enter `quickstart-app` as the app name and choose your region.\n\n4. Click **Create**.\n\n \u003cbr /\u003e\n\n### Add app component nodes\n\nAfter you have created the empty application, you can then add the three nodes\nto the app graph: the **ingestion node** that can receive stream data, the\n**processing node** that performs a computer image task on data, and a **data\ndestination node**, a warehouse storage destination in this example. \n\n### Console\n\nAdd component nodes to your app in the console.\n\n1. Open the **Applications** tab of the Vertex AI Vision dashboard.\n\n [Go to the Applications tab](https://console.cloud.google.com/ai/vision-ai/applications)\n2. In the `quickstart-app` line, select\n schema**View graph**. This takes you\n to the graph visualization of the processing pipeline.\n\n**Add a data ingestion node**\n\n1. To add an input stream node, select the **Streams** option in the\n **Connectors** section of the side menu.\n\n2. In the **Source** section of the **Stream** menu that opens, select\n add**Add streams**.\n\n3. In the **Add streams** menu, choose\n radio_button_checked**Register new\n streams** and add `quickstart-stream` as the stream name.\n\n \u003cbr /\u003e\n\n4. To add the stream to the app graph, click **Add streams**.\n\n**Add a data processing node**\n\n1. To add the object detector model node, select the **Object detector**\n option in the **Pre-trained models** section of the side menu.\n\n**Add a data storage node**\n\n1. To add the output destination (storage) node, select the\n **Vertex AI Vision's Media Warehouse** option in the **Connectors** section of the side\n menu.\n\n2. In the **Vertex AI Vision's Media Warehouse** menu, click **Connect warehouse**.\n\n3. In the **Connect warehouse** menu, select\n radio_button_checked**Create new\n warehouse** . Name the warehouse `quickstart-warehouse`, and leave\n the TTL duration at 14 days.\n\n4. Click the **Create** button to add the warehouse.\n\nDeploy your app for use\n-----------------------\n\nAfter you have built your end-to-end app with all the necessary components, the last step to using the app is to deploy it.\n\n\u003cbr /\u003e\n\n### Console\n\n1. Open the **Applications** tab of the Vertex AI Vision dashboard.\n\n [Go to the Applications tab](https://console.cloud.google.com/ai/vision-ai/applications)\n2. Select **View graph** next to the `quickstart-app` app in the list.\n\n3. From the application graph builder page, click the\n play_arrow**Deploy** button.\n\n4. In the following confirmation dialog, select **Deploy**.\n\n The deploy operation might take several minutes to complete. After\n deployment finishes, green check marks appear next to the nodes.\n\n\nCongratulations! You've just created and deployed your first Vertex AI Vision\napp. Creating and deploying an app are the first steps in ingesting and using\nprocessed media data with Vertex AI Vision.\n\nClean up\n--------\n\nTo avoid incurring charges to your Google Cloud account for the resources used\nin this quickstart, either delete the project that contains the resources, or\nkeep the project and delete the individual resources. \n\n### Delete the project\n\n| **Caution** : Deleting a project has the following effects:\n|\n| - **Everything in the project is deleted.** If you used an existing project for the tasks in this document, when you delete it, you also delete any other work you've done in the project.\n| - **Custom project IDs are lost.** When you created this project, you might have created a custom project ID that you want to use in the future. To preserve the URLs that use the project ID, such as an `appspot.com` URL, delete selected resources inside the project instead of deleting the whole project.\n|\n|\n| If you plan to explore multiple architectures, tutorials, or quickstarts, reusing projects\n| can help you avoid exceeding project quota limits.\n1. In the Google Cloud console, go to the **Manage resources** page.\n\n [Go to Manage resources](https://console.cloud.google.com/iam-admin/projects)\n2. In the project list, select the project that you want to delete, and then click **Delete**.\n3. In the dialog, type the project ID, and then click **Shut down** to delete the project. \n\n### Delete individual resources\n\n#### Delete a warehouse\n\n1. In the Google Cloud console, go to the **Warehouses** page.\n\n [Go to the Warehouses tab](https://console.cloud.google.com/ai/vision-ai/media-warehouse)\n2. Locate your `quickstart-warehouse` warehouse.\n3. To delete the warehouse, click more_vert **Actions** , click **Delete warehouse**, and then follow the instructions.\n\n#### Delete a stream\n\n1. In the Google Cloud console, go to the **Streams** page.\n\n [Go to the Streams tab](https://console.cloud.google.com/ai/vision-ai/video-streams)\n2. Locate your `quickstart-stream` stream.\n3. To delete the stream, click more_vert **Actions** , click **Delete stream**, and then follow the instructions.\n\n#### Delete an app\n\n1. In the Google Cloud console, go to the **Applications** page.\n\n [Go to the Applications tab](https://console.cloud.google.com/ai/vision-ai/applications)\n | **Note:** You must first undeploy your app before you can delete it.\n2. Locate your `quickstart-app` app.\n3. To delete the app, click more_vert **Actions** , click **Delete application**, and then follow the instructions.\n\nWhat's next\n-----------\n\n- Read [Set up a project and a development environment](/vision-ai/docs/cloud-environment) before you use the command line tools.\n- Learn how to [ingest data](/vision-ai/docs/create-manage-streams#ingest-videos) into your new app and read about other components you can add in [Build an app](/vision-ai/docs/build-app).\n- Learn about other output storage and processing options in [Connect app output to a data destination](/vision-ai/docs/connect-data-destination).\n- Read about how to [Search Warehouse data in the console](/vision-ai/docs/search-streaming-warehouse).\n- Read more about [Responsible AI practices](https://ai.google/responsibilities/responsible-ai-practices/)."]]
