Questa pagina descrive le interfacce che puoi utilizzare per interagire con Vertex AI e quando dovresti utilizzarle. Puoi utilizzare queste interfacce insieme a una delle soluzioni di notebook di Vertex AI.
Alcune operazioni di Vertex AI sono disponibili solo tramite interfacce specifiche, quindi potresti dover passare da un'interfaccia all'altra durante il flusso di lavoro. Ad esempio, in Vertex AI Experiments devi utilizzare l'API per registrare i dati in un'esecuzione dell'esperimento, ma puoi visualizzare i risultati nella console.
Console
La console Google Cloud è una Graphic User Interface che puoi utilizzare per lavorare con le tue risorse di machine learning.
Nella console Google Cloud , puoi gestire i tuoi set di dati gestiti, modelli, endpoint e job. Puoi anche accedere ad altri Google Cloud servizi, come Cloud Storage e BigQuery, tramite la console.
Utilizza la console Google Cloud se preferisci visualizzare e gestire le risorse e le visualizzazioni di Vertex AI tramite un'interfaccia utente grafica.
Per ulteriori informazioni, consulta la pagina Dashboard della sezione Vertex AI:
gcloud
L'interfaccia a riga di comando (CLI) di Google Cloud è un insieme di strumenti per
creare e gestire Google Cloud risorse utilizzando il comando gcloud.
Utilizza Google Cloud CLI quando vuoi gestire le risorse Vertex AI dalla riga di comando o tramite script e altre automazioni.
Per saperne di più, consulta Installa gcloud CLI e il riferimento a
gcloud ai.
Terraform
Terraform è uno strumento Infrastructure as Code (IaC) che puoi utilizzare per eseguire il provisioning dell'infrastruttura, ad esempio risorse e autorizzazioni, per più serviziGoogle Cloud , tra cui Vertex AI.
Puoi definire le risorse e le autorizzazioni Vertex AI per il tuo progetto Google Cloudin un file di configurazione Terraform. Puoi quindi utilizzare Terraform per applicare la configurazione al tuo progetto creando nuove risorse e aggiornando quelle esistenti.
Utilizza Terraform se vuoi standardizzare l'infrastruttura per le risorse Vertex AI nel tuo progetto Google Cloud e aggiornare l'infrastruttura del progetto Google Cloudesistente soddisfacendo le dipendenze delle risorse.
Per iniziare, consulta Supporto di Terraform per Vertex AI.
Python
Utilizza l'SDK Vertex AI Python per automatizzare a livello di programmazione il tuo workflow Vertex AI.
L'SDK Vertex AI Python è simile alla libreria client Python di Vertex AI, ma l'SDK è di livello superiore e meno granulare. Per saperne di più, consulta Comprendere le differenze tra SDK e libreria client.
Per iniziare, vedi Installare l'SDK Vertex AI.
Librerie client
Le librerie client utilizzano le convenzioni naturali di ogni linguaggio supportato per chiamare l'API Vertex AI e ridurre il codice boilerplate che devi scrivere.
Per Vertex AI sono supportate le seguenti lingue:
Python. La libreria client Python di Vertex AI viene installata quando installi l'SDK Vertex AI Python.
Java
Node.js
C#
Go
Per saperne di più, consulta Installare le librerie client di Vertex AI.
REST
L'API REST di Vertex AI fornisce servizi RESTful per la gestione di job, modelli ed endpoint e per eseguire inferenze con modelli ospitati su Google Cloud.
Utilizza l'API REST se devi utilizzare le tue librerie per chiamare l'API Vertex AI dalla tua applicazione.
Per iniziare, consulta la documentazione di riferimento dell'API REST di Vertex AI.
Passaggi successivi
- Configura un progetto e un ambiente di sviluppo.
- Scegli un metodo di addestramento.
- Tutorial per Immagine, Tabellare e Addestramento personalizzato.
- Scopri le best practice per l'implementazione di modelli ML con addestramento personalizzato su Vertex AI.