Pengantar Komponen Pipeline Google Cloud

Pipeline Components (GCPC) SDK menyediakan sekumpulan komponen Kubeflow Pipelines bawaan yang berkualitas produksi, berperforma, dan mudah digunakan. Google Cloud Anda dapat menggunakan Google Cloud Pipeline Components untuk mendefinisikan dan menjalankan pipeline ML di Gemini Enterprise Agent Platform Pipelines serta backend eksekusi pipeline ML lainnya yang sesuai dengan Kubeflow Pipelines.

Misalnya, Anda dapat menggunakan komponen ini untuk menyelesaikan tindakan berikut:

  • Membuat set data baru dan memuat jenis data yang berbeda ke dalam set data (gambar, tabel, teks, atau video).
  • Mengekspor data dari set data ke Cloud Storage.
  • Menggunakan AutoML untuk melatih model menggunakan data gambar, tabel, atau video.
  • Menjalankan tugas pelatihan kustom menggunakan container kustom atau paket Python.
  • Meng-upload model yang sudah ada ke Gemini Enterprise Agent Platform untuk prediksi batch.
  • Membuat endpoint baru dan men-deploy model ke endpoint tersebut untuk prediksi online.

Selain itu, Google Cloud Pipeline Components mendukung komponen bawaan ini di Gemini Enterprise Agent Platform Pipelines dan memberikan manfaat berikut:

  • Proses debug yang lebih mudah: Menampilkan resource dasar yang diluncurkan dari komponen untuk proses debug yang disederhanakan.
  • Jenis artefak standar: Menyediakan antarmuka yang konsisten saat menggunakan jenis artefak standar untuk input dan output. Vertex ML Metadata melacak artefak standar ini, sehingga memudahkan Anda menganalisis silsilah artefak pipeline Anda. Untuk detail selengkapnya tentang silsilah artefak, lihat Melacak silsilah artefak pipeline.
  • Memahami biaya pipeline dengan label penagihan: Label resource secara otomatis disebarkan ke Google Cloud services yang dihasilkan oleh Google Cloud Pipeline Components dalam operasi pipeline Anda. Gunakan label penagihan beserta ekspor Penagihan Cloud ke BigQuery untuk meninjau biaya pengoperasian pipeline. Untuk mengetahui informasi selengkapnya tentang penggunaan label guna memahami biaya pengoperasian pipeline, lihat Memahami biaya pengoperasian pipeline. Untuk mengetahui informasi selengkapnya tentang cara label disebarkan dari pipeline yang dijalankan ke resource yang dihasilkan oleh Google Cloud Pipeline Components, lihat Pelabelan resource oleh Vertex AI Pipelines.
  • Efisiensi biaya*: Gemini Enterprise Agent Platform Pipelines mengoptimalkan eksekusi komponen ini dengan meluncurkan Google Cloud resources, tanpa harus meluncurkan container. Tindakan ini akan mengurangi latensi pengaktifan dan mengurangi biaya container yang sibuk menunggu.
* Fitur ini hanya berlaku untuk komponen berikut:
  • CustomTrainingJobOp
  • WaitGcpResourcesOp (untuk Dataflow)
  • DataflowPythonJobOp

Langkah berikutnya