Interfaces para o Vertex AI Pipelines

Esta página apresenta as interfaces que pode usar para definir e executar pipelines de ML no Vertex AI Pipelines.

Interfaces para definir um pipeline

O Vertex AI Pipelines suporta pipelines de ML definidos através do SDK Kubeflow Pipelines (KFP) ou do SDK TensorFlow Extended (TFX).

SDK Kubeflow Pipelines (KFP)

Logótipo do Kubeflow Pipelines Use o KFP para todos os casos de utilização em que não precisa de usar o TensorFlow Extended para processar grandes quantidades de dados estruturados ou de texto. O Vertex AI Pipelines suporta o SDK KFP v2.0 ou posterior.

Quando usa o SDK do KFP, pode definir o seu fluxo de trabalho de ML criando componentes personalizados e também reutilizando componentes pré-criados, como osGoogle Cloud componentes de pipeline Google Cloud .Os componentes de pipeline permitem-lhe usar facilmente serviços da Vertex AI, como o AutoML, no seu pipeline de ML. Os Vertex AI Pipelines suportam Google Cloud o SDK Pipeline Components v2 ou posterior. Para mais informações sobre os Google Cloud componentes de pipeline, consulte a Introdução aos Google Cloud componentes de pipeline.

Para saber como criar um pipeline com o Kubeflow Pipelines, consulte o artigo Crie um pipeline. Para saber mais sobre os Kubeflow Pipelines, consulte a documentação dos Kubeflow Pipelines.

SDK TensorFlow Extended (TFX)

Logótipo do SDK TFX Use o TFX se usar o TensorFlow Extended no seu fluxo de trabalho de ML para processar terabytes de dados estruturados ou de texto. O Vertex AI Pipelines suporta o SDK TFX v0.30.0 ou posterior.

Para saber como criar pipelines de ML com o TFX, consulte a secção Tutoriais de introdução nos Tutoriais do TensorFlow Extended em produção.

Interfaces para executar um pipeline

Depois de definir o pipeline de ML, pode criar uma execução do pipeline de ML através de qualquer uma das seguintes interfaces:

  • API REST

  • Clientes do SDK

  • Google Cloud consola

Para mais informações sobre as interfaces que pode usar para interagir com o Vertex AI, consulte o artigo Interfaces para o Vertex AI.

API REST

Para criar uma execução de pipeline com REST, use a API do serviço Pipelines. Esta API usa o recurso REST projects.locations.pipelineJobs.

Clientes do SDK

Os Vertex AI Pipelines permitem-lhe criar execuções de pipelines através do Vertex AI SDK para Python ou das bibliotecas de cliente.

SDK Vertex AI para Python

O SDK Vertex AI para Python (aiplatform) é o SDK recomendado para trabalhar programaticamente com a API de serviço Pipelines. Para mais informações sobre este SDK, consulte a documentação da API para google.cloud.aiplatform.PipelineJob.

Bibliotecas cliente

As bibliotecas cliente são SDKs de clientes de API gerados programaticamente (GAPIC). O Vertex AI Pipelines suporta as seguintes bibliotecas cliente:

  • Python (aiplatform v1 e v1beta1)

  • Java

  • Node.js

  • Go

Para mais informações, consulte o artigo Instale as bibliotecas cliente da Vertex AI.

Google Cloud consola (GUI)

AGoogle Cloud consola é a forma recomendada de rever e monitorizar as execuções da sua pipeline. Também pode realizar outras tarefas através da Google Cloud consola, como criar, eliminar e clonar execuções de pipelines, aceder à galeria de modelos e obter a etiqueta de faturação de uma execução de pipeline.

Aceda a Pipelines na Google Cloud consola

O que se segue?