Introduzione a Google Cloud Pipeline Components

L'SDK Google Cloud Pipeline components (GCPC) fornisce un insieme di componenti predefiniti di Kubeflow Pipelines, che offrono prestazioni di produzione, qualità e facilità d'uso. Puoi utilizzare i componenti di pipeline di Google Cloud per definire ed eseguire pipeline ML in Vertex AI Pipelines e altri backend di esecuzione di pipeline ML conformi alle pipeline di Kubeflow.

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 (immagini, tabelle, testo o video).
  • Esporta i dati da un set di dati a Cloud Storage.
  • Utilizza AutoML per addestrare un modello utilizzando dati tabulari, di testo o video.
  • Esegui un job di addestramento personalizzato utilizzando un container personalizzato o un pacchetto Python.
  • Caricare un modello esistente in Vertex AI per la previsione batch.
  • Crea un nuovo endpoint ed eseguine il deployment di un modello per le previsioni online.

Inoltre, questi componenti predefiniti di Google Cloud Pipeline sono supportati in Vertex AI Pipelines e offrono 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 l'input e l'output. Questi artefatti standard vengono monitorati in Vertex ML Metadata, in modo da analizzare più facilmente la derivazione degli artefatti della pipeline. Per maggiori dettagli sulla derivazione degli artefatti, consulta Monitorare la derivazione degli artefatti della pipeline.
  • Informazioni sui costi della pipeline con le etichette di fatturazione: le etichette delle risorse vengono propagate automaticamente ai servizi Google Cloud generati dai componenti di pipeline di Google Cloud nell'esecuzione della pipeline. Puoi utilizzare le etichette di fatturazione insieme all'esportazione della fatturazione Cloud in BigQuery per esaminare i costi di esecuzione della pipeline. Per saperne di più sull'utilizzo delle etichette al fine di comprendere i costi dell'esecuzione di una pipeline, consulta Comprendere i costi di esecuzione della pipeline. Per saperne di più su come le etichette vengono propagate da un'esecuzione di pipeline alle risorse generate dai componenti di Google Cloud Pipeline, consulta Etichettatura delle risorse di Vertex AI Pipelines.
  • Efficienza dei costi*: Vertex AI Pipelines ottimizza l'esecuzione di questi componenti avviando le risorse Google Cloud, senza dover avviare il container. Questo riduce la latenza di avvio e i costi del container occupato in attesa.
* Questa funzionalità si applica solo ai seguenti componenti:
  • CustomTrainingJobOp
  • WaitGcpResourcesOp (per Dataflow)
  • DataflowPythonJobOp

Passaggi successivi