Questa pagina descrive le interfacce che puoi utilizzare per interagire con Vertex AI e quando 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, pertanto potrebbe essere necessario 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 di un'esecuzione dell'esperimento, ma puoi visualizzare i risultati nella console.
Console
La Google Cloud console è un'interfaccia utente grafica che puoi utilizzare per lavorare con le risorse di machine learning.
Nella Google Cloud console, 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 Google Cloud console se preferisci visualizzare e gestire le tue risorse e visualizzazioni 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 ulteriori informazioni, consulta la sezione Installare gcloud CLI e la documentazione di riferimento 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 piùGoogle Cloud servizi, tra cui Vertex AI.
Puoi definire le risorse e le autorizzazioni Vertex AI per il tuo Google Cloud progetto in un file di configurazione Terraform. Puoi quindi utilizzare Terraform per applicare la configurazione al progetto creando nuove risorse e aggiornando quelle esistenti.
Utilizza Terraform se vuoi standardizzare l'infrastruttura per le risorse Vertex AI nel tuo Google Cloud progetto e aggiornare l'infrastruttura del progetto Google Cloudesistente rispettando le dipendenze delle risorse.
Per iniziare, consulta la pagina Assistenza Terraform per Vertex AI.
Python
Utilizza l'SDK Vertex AI per Python per automatizzare in modo programmatico il flusso di lavoro Vertex AI.
L'SDK Vertex AI per Python è simile alla libreria client Vertex AI Python, ad eccezione del fatto che l'SDK è di livello superiore e meno granulare. Per ulteriori informazioni, consulta Informazioni sulle differenze tra SDK e libreria client.
Per iniziare, consulta 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 Vertex AI Python viene installata quando installi l'SDK Vertex AI per Python.
Java
Node.js
C#
Vai
Per ulteriori informazioni, vedi 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 fare previsioni con i 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 REST dell'API Vertex AI.
Passaggi successivi
- Configura un progetto e un ambiente di sviluppo.
- Scegli un metodo di addestramento.
- Tutorial per i tipi di dati Immagini, Testo, Tabulari, Video e Addestramento personalizzato.
- Scopri le best practice per l'implementazione di modelli ML addestrati personalizzati su Vertex AI.