Introduzione a Google Cloud Pipeline Components

L'SDK Google Cloud Pipeline Components (GCPC) fornisce un insieme di componenti Kubeflow Pipelines predefiniti di qualità di produzione, performanti e facili da usare. Puoi utilizzare Google Cloud Pipeline Components per definire ed eseguire pipeline ML in Gemini Enterprise Agent Platform Pipelines e altri backend di esecuzione di pipeline ML conformi a Kubeflow Pipelines.

Ad esempio, puoi utilizzare questi componenti per completare le seguenti operazioni:

  • Crea un nuovo set di dati e carica diversi tipi di dati nel set di dati (immagine, tabulare, testo o video).
  • Esporta i dati da un set di dati a Cloud Storage.
  • Utilizza AutoML per addestrare un modello utilizzando dati tabulari, di immagini o video.
  • Esegui un job di addestramento personalizzato utilizzando un container personalizzato o un pacchetto Python.
  • Carica un modello esistente in Gemini Enterprise Agent Platform per le previsioni in batch.
  • Crea un nuovo endpoint ed esegui il deployment di un modello per le previsioni online.

Inoltre, Google Cloud Pipeline Components supporta questi componenti predefiniti in Gemini Enterprise Agent Platform Pipelines e offre i seguenti vantaggi:

  • Debug più semplice: mostra le risorse sottostanti avviate dal componente per semplificare il debug.
  • Tipi di artefatti standardizzati: fornisci interfacce coerenti per utilizzare i tipi di artefatti standard per input e output. Vertex ML Metadata monitora questi artefatti standard, semplificando l'analisi della derivazione degli artefatti della pipeline. Per maggiori dettagli sulla derivazione degli artefatti, consulta Monitorare la derivazione degli artefatti della pipeline.
  • Comprendi i costi della pipeline con le etichette di fatturazione: le etichette delle risorse vengono propagate automaticamente ai Google Cloud servizi generati da Google Cloud Pipeline Components nell'esecuzione della pipeline. Utilizza le etichette di fatturazione insieme all'esportazione della fatturazione Cloud in BigQuery per esaminare il costo dell'esecuzione della pipeline. Per saperne di più sull'utilizzo delle etichette per comprendere il costo di un'esecuzione della pipeline, consulta Comprendere i costi di esecuzione della pipeline. Per saperne di più su come le etichette vengono propagate da un'esecuzione della pipeline alle risorse generate da Google Cloud Pipeline Components, consulta Etichettatura delle risorse da parte di Vertex AI Pipelines.
  • Efficienza dei costi*: Gemini Enterprise Agent Platform Pipelines ottimizza l' esecuzione di questi componenti avviando le Google Cloud risorse, senza dover avviare il container. In questo modo si riduce la latenza di avvio e i costi del container di attesa.
* Questa funzionalità si applica solo ai seguenti componenti:
  • CustomTrainingJobOp
  • WaitGcpResourcesOp (per Dataflow)
  • DataflowPythonJobOp

Passaggi successivi