跳至主要内容
Google Cloud Documentation
文档
  • 开始使用
  • Google Cloud 使用入门
  • 商品列表
  • Cloud Customer Care
  • 精选产品
  • Agent Platform
  • Apigee API Management
  • BigQuery
  • Compute Engine
  • Cloud CDN
  • Cloud Run
  • Cloud Storage
  • Cloud SQL
  • Gemini Enterprise
  • 交互的能力
  • Looker
  • 跨产品工具
  • 访问权限和资源管理
  • 费用和用量管理
  • 基础设施即代码
  • SDK、语言、框架和工具
  • 技术领域
  • AI 和机器学习
  • 应用开发
  • 应用托管
  • 计算
  • 数据分析和流水线
  • 数据库
  • 分布式云、混合云和多云
  • 行业解决方案
  • 迁移
  • 网络
  • 可观测性和监控
  • 安全
  • Storage
/
控制台
  • English
  • Deutsch
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Português – Brasil
  • עברית
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
  • Gemini Enterprise Agent Platform
免费开始使用吧
概览 Studio 代理 模型 笔记本
  • Agent Platform
  • 生成式 AI
工程博客
Google Cloud Documentation
  • 文档
    • 更多
    • 概览
    • Studio
    • 代理
    • 模型
    • 笔记本
    • 价格
      • 更多
    • 工程博客
  • 控制台
  • 概览
  • 新手指南
  • 开始使用
  • 开始使用 Agent Platform
  • 使用 Gen AI SDK 开发 Gemini API 代码
  • 连接到 Knowledge MCP 服务器
  • 获取 API 密钥
  • 配置应用默认凭证
  • 从 Google AI Studio 迁移到 Agent Platform
  • 开始使用 Gemini 3
  • Gemini 模型开发者指南
    • Gemini 3.8 Flash
    • Gemini 3.7 Flash
    • Gemini 3.6 Flash
    • Gemini 3.5 Flash
  • Google GenAI 库
  • 生成式 AI 实战宝典
  • 使用 OpenAI 库访问 Gemini 模型
  • 快速模式
    • 概览
    • 控制台教程
    • API 教程
  • 选择模型
    • Model Garden
    • Model Garden 概览
    • 使用 Model Garden 中的模型
    • 测试模型功能
    • Google 模型
    • 所有 Google 模型
    • Gemini
      • 迁移到最新的 Gemini 模型
      • Pro
      • 3.1 Pro
      • 3 Pro Image
      • 2.5 Pro
      • Flash
      • 3.8 Flash
      • 3.7 Flash
      • 3.6 Flash
      • 3.5 Flash
      • 3.1 Flash 映像
      • 3 Flash
      • 2.5 Flash
      • 2.5 Flash 图像模型
      • 2.5 Flash Live API
      • Flash-Lite
      • 3.5 Flash-Lite
      • 3.1 Flash-Lite 映像
      • 3.1 Flash-Lite
      • 2.5 Flash-Lite
      • Omni
      • Omni 1.1 Flash
      • Omni Flash
      • Cyber
      • 3.8 Flash Cyber
      • 转写
      • Gemini 3.5 Transcribe
      • 翻译
      • Gemini 3.5 实时翻译
      • 嵌入
      • Gemini Embedding 2
      • 机器人学
      • Gemini Robotics ER 2
        • 概览
        • 空间推理
        • 智能体功能
        • 任务编排
        • 视频理解
    • Veo
      • Veo 3
      • Veo 3.1
    • Lyria
      • Lyria 2
      • Lyria 3
    • 虚拟试穿
    • 模型版本
    • 合作伙伴模型
    • 合作伙伴模式概览
    • Claude
      • 概览
      • 请求预测
      • Anthropic Claude 模型的配额
      • 批量预测
      • 结构化输出
      • 提示缓存
      • 统计 token 数量
      • 网页搜索
      • 安全分类器
      • 网络验证计划
      • 模型详情
      • Claude Fable 5.1
      • Claude Opus 5
      • Claude Sonnet 5
      • Claude Fable 5
      • Claude Opus 4.8
      • Claude Opus 4.7
      • Claude Sonnet 4.6
      • Claude Opus 4.6
      • Claude Opus 4.5
      • Claude Sonnet 4.5
      • Claude Opus 4.1
      • Claude Haiku 4.5
      • Claude Opus 4
      • Claude Sonnet 4
    • Grok
      • 概览
      • Responses API
      • 函数调用
      • 结构化输出
      • 推理
      • 模型详情
      • Grok 4.1 Fast
      • Grok 4.20
      • Grok 4.3
      • Grok 4.6
    • Mistral AI
      • 概览
      • 模型详情
      • Mistral Medium 3
      • Mistral OCR (25.05)
      • Mistral Small 3.1 (25.03)
      • Codestral 2
    • 从 Model Garden 部署合作伙伴模型
    • 合作伙伴模型弃用
    • 开放式模型
    • 概览
    • AlphaFold 3
    • AlphaGenome
    • DeepSeek
      • 概览
      • DeepSeek-V3.2
      • DeepSeek-V3.1
      • DeepSeek-R1-0528
      • DeepSeek-OCR
    • 嵌入 (e5)
      • Multilingual E5 Small
      • Multilingual E5 Large
    • Google Gemma
      • 模型即服务 (MaaS)
      • Gemma-4-26B-A4B-IT MaaS
      • 使用 Gemma
      • 教程：部署和推理 Gemma (GPU)
      • 教程：部署和推理 Gemma (TPU)
    • Kimi
      • 概览
      • Kimi K2 思考
    • Llama
      • 概览
      • 请求预测
      • 模型详情
      • Llama 4 Maverick
      • Llama 4 Scout
      • Llama 3.3
    • MiniMax
      • 概览
      • MiniMax M2
    • OpenAI
      • 概览
      • OpenAI gpt-oss-120b
      • OpenAI gpt-oss-20b
    • Qwen
      • 概览
      • Qwen 3 Next Instruct 80B
      • Qwen 3 Next Thinking 80B
      • Qwen 3 Coder
      • Qwen 3 235B
    • ZAI.org
      • 概览
      • GLM 5.2
      • GLM 5
      • GLM 4.7
    • 受管理的开放模型 (MaaS)
      • 概览
      • 通过模型即服务 (MaaS) 使用开放模型
      • 授予对开放模型的访问权限
      • API
      • 针对开放模型调用 MaaS API
      • 函数调用
      • 思考型
      • 结构化输出
      • 批量预测
      • 开放模型弃用
    • 自行部署的开放模型
      • 概览
      • 部署开放模型
        • 从 Model Garden 部署开放模型
        • 使用预构建容器部署开放模型
        • 使用自定义 vLLM 容器部署开放模型
        • 部署具有自定义权重的模型
      • 使用 Hugging Face 模型
      • 教程
        • 利用 Model Garden 中的高级功能优化模型性能
        • Hex-LLM
        • 适用于文本的 vLLM 和多模态 LLM 服务 (GPU) 的全面指南
        • vLLM TPU
        • xDiT
        • 使用 SpotVM 和预留部署 Llama 3 模型
  • 构建
    • 提示设计
    • 提示简介
    • 提示策略
      • 概览
      • 提供清晰而具体的说明
      • 使用系统说明
      • 添加少样本示例
      • 添加上下文信息
      • 设计提示结构
      • 比较提示
      • 指示模型解释其推理
      • 分解复杂任务
      • 使用参数值进行实验
      • 提示迭代策略
    • 针对特定任务的提示指导
      • 设计多模态提示
      • 设计聊天提示
    • 功能
    • 安全
      • 概览
      • Responsible AI
      • 安全方面的系统说明
      • 配置内容过滤条件
      • Gemini 在安全过滤和内容审核方面的应用
      • 监控滥用行为
      • 处理被屏蔽的回答
      • Content Credentials
      • AI Content Detection API
    • 文本和代码生成
      • 文本生成
      • 系统指令
      • 结构化输出
      • 内容生成参数
    • 图片生成
      • 使用 Gemini 生成图片
      • 使用 Gemini 从视频生成图片
      • 使用 Gemini 修改图片
      • Gemini 图片生成最佳实践
      • 生成虚拟试穿图片
      • Gemini 图片生成限制
      • Responsible AI 和 Gemini 图片生成功能的使用
      • Imagen 文档
    • 视频生成
      • 概览
      • 文本转视频
      • 将第一帧图片转换为视频
      • 根据第一帧和最后一帧创建视频
      • 根据参考内容生成视频
      • 延长视频
      • 编辑视频
      • 提示指南
      • 视频最佳实践
      • Responsible AI for Veo
    • 音乐生成
      • Lyria 简介
      • 使用 Lyria 生成音乐
      • Lyria 提示指南
    • 媒体分析
      • 图片理解
      • 视频理解
      • 音频理解
      • 文档理解
      • 边界框检测
    • 网址上下文
    • 思考型
      • 概览
      • 思考签名
      • 提示指南
    • Live API
      • 概览
      • 开始使用
        • 开始使用 Gen AI SDK
        • 开始使用 WebSocket
        • 开始使用 ADK
      • 开始和管理实时会话
      • 发送音频和视频流
      • 配置语言和语音
      • 配置 Gemini 功能
      • 异步函数调用
      • Live API 的最佳实践
      • 排查 Live API 问题
      • 演示应用和资源
    • Embeddings
      • 概览
      • 文本嵌入
        • 获取文本嵌入
        • 选择嵌入任务类型
      • 获取多模态嵌入
      • 获取批量嵌入推理结果
    • 翻译
    • 根据文本生成语音
    • 语音转写
    • 模型工具
    • 代码执行
    • 使用电脑
    • 函数调用
    • 落地
      • 概览
      • 使用 Google 搜索建立依据
      • 依托 Google 地图进行接地
      • 依托 Agent Search 进行接地
      • 通过搜索 API 接地
      • 使用 RAG 对回答进行接地
      • 与 Elasticsearch 进行接地
      • 依托 Parallel Web Search 进行接地
      • 依托 Exa Web Search 进行接地
      • 适用于企业的 Web 接地
    • 开发工具
    • 使用 AI 赋能的提示撰写工具
      • 概览
      • 优化提示
        • 概览
        • 零样本优化器
        • 少样本优化器
        • 数据驱动的优化器
      • 使用提示模板
    • 模型调优
    • 调优简介
    • 调优 Gemini 模型
      • 监督式微调
        • 监督式微调简介
        • 准备数据
        • 使用监督式微调
        • 支持的模态
          • 文本调优
          • 文档调整
          • 图片调优
          • 音频调谐
          • 视频调优
          • 调优函数调用
      • 强化学习微调
        • 强化学习微调简介
        • 快速入门：使用控制台
        • 快速入门：使用 API
        • 强化学习微调作业
          • 概览
          • 调参数据集
          • 超参数
          • 奖励函数
          • 指标和监控
        • 持续调优
      • 偏好调优
        • 关于偏好调优
        • 准备数据
        • 使用偏好调优
      • 使用调优检查点
      • 使用持续调优
      • 关于 LoRA 和 QLoRA 的调优建议
    • 开放模型
      • 监督式微调和提炼微调
    • 嵌入模型
      • 调优文本嵌入模型
    • 翻译模型
      • 监督式微调简介
      • 准备数据
      • 使用监督式微调
    • 迁移
    • 使用 OpenAI 库调用 Agent Platform 模型
      • 概览
      • 身份验证
      • 示例
      • 从 OpenAI SDK 迁移
  • 评估
    • 概览
    • 教程：使用控制台执行评估
    • 使用 Agent Platform SDK 中的生成式 AI 客户端执行评估
      • 教程：使用 Agent Platform SDK 中的生成式 AI 客户端评估模型
      • 定义评估指标
        • 定义评估指标
        • 基于评分准则的受管指标的详细信息
      • 准备评估数据集
      • 运行评估
      • 查看和解读评估结果
      • 评估智能体
    • 其他评估方法
    • 使用 Agent Platform SDK 中的评估模块执行评估
      • 教程：使用 Agent Platform SDK 中的评估模块执行评估
      • 定义评估指标
      • 准备评估数据集
      • 运行评估
      • 解读评估结果
      • 基于模型的指标的模板
      • 评估智能体
      • 评估评判模型
      • 配置评判模型
    • 运行 AutoSxS 流水线
    • 运行基于计算的评估流水线
  • 部署
    • 使用方案概览
    • 预配的吞吐量
      • 预配吞吐量概览
      • 支持的模型
      • 计算预配吞吐量要求
      • Live API 的预配吞吐量
      • Gemini 3 (Nano Banana) 模型的预配吞吐量
      • Gemini Omni 模型的预配吞吐量
      • Veo 3 模型的预配吞吐量
      • 单可用区预配吞吐量
      • 购买预配吞吐量
      • 使用预配吞吐量
    • PayGo
      • 标准版 PayGo
      • Priority PayGo
      • Flex PayGo
    • 批量推理
      • 概览
      • 从 Cloud Storage 创建批量作业
      • 通过 BigQuery 创建批量作业
      • 继续执行未完成的批量作业
    • 配额和系统限制
    • 缓存重复使用的提示上下文
      • 概览
      • 创建上下文缓存
      • 使用上下文缓存
      • 获取上下文缓存信息
      • 更新上下文缓存
      • 删除上下文缓存
      • 微调后的 Gemini 模型的上下文缓存
    • 部署生成式 AI 模型
    • 排查错误代码 429
    • 重试策略
  • 管理
    • 访问权限控制
    • 网络
    • 安全控制
    • 控制对 Model Garden 模型的访问权限
    • 启用数据访问审核日志
    • 保存和共享提示
    • 监控模型
    • 使用自定义元数据标签监控费用
    • 请求-响应日志记录
    • 使用 IAP 保护生成式 AI 应用
      • 概览
      • 设置项目和源代码库
      • 创建 Cloud Run 服务
      • 创建负载均衡器
      • 配置 IAP
      • 测试受 IAP 保护的应用
      • 清理您的项目
  • 构建您自己的模型
    • 概览
    • Agent Platform 上的 MLOps
    • Agent Platform 的接口
    • Agent Platform 初学者指南
      • 训练 AutoML 模型
      • 训练自定义模型
      • 通过自定义模型获取推理结果
      • 使用 Agent Platform 和 Python SDK 训练模型
        • 简介
        • 前提条件
        • 创建笔记本
        • 创建数据集
        • 创建训练脚本
        • 训练模型
        • 进行推理
    • 集成式机器学习框架
      • PyTorch
      • TensorFlow
    • 面向 BigQuery 用户的 Agent Platform
    • 术语库
    • 开始使用
    • 设置项目和开发环境
    • 安装 Agent Platform SDK for Python
    • 向 Agent Platform 进行身份验证
    • 选择训练方法
    • 试用教程
      • 教程概览
      • AutoML 教程
        • Hello 图片数据
          • 概览
          • 设置您的项目和环境
          • 创建数据集并导入图片
          • 训练 AutoML 图片分类模型
          • 评估和分析模型性能
          • 将模型部署到端点并进行推理
          • 清理您的项目
        • Hello 表格数据
          • 概览
          • 设置您的项目和环境
          • 创建数据集并训练 AutoML 分类模型
          • 部署模型并请求推理
          • 清理您的项目
      • 自定义训练教程
        • 训练自定义表格模型
        • 训练 TensorFlow Keras 图片分类模型
          • 概览
          • 设置您的项目和环境
          • 训练自定义图片分类模型
          • 提供自定义图片分类模型的预测结果
          • 清理您的项目
        • 使用自定义数据微调图片分类模型
    • 使用 Agent Platform 开发工具
    • 开发工具概览
    • 使用 Agent Platform SDK
      • 概览
      • Agent Platform SDK for Python 简介
      • Python 版本 2.0.1 迁移指南
      • Agent Platform SDK for Python 类
        • Agent Platform SDK 类概览
        • 数据类
        • 训练类
        • 模型类
        • 预测类
        • 跟踪类
    • 针对 Agent Platform 的 Terraform 支持
    • Agent Platform Training
    • 概览
    • Agent Platform 无服务器训练
      • Agent Platform 中的无服务器训练概览
      • 加载和准备数据
        • 数据准备概览
        • 将 Cloud Storage 用作已装载的文件系统
        • 装载 NFS 共享以进行无服务器训练
        • 使用代管式数据集
      • 准备训练应用
        • 了解无服务器训练服务
        • 准备训练代码
        • 使用预构建容器
          • 为预构建容器创建一个 Python 训练应用
          • 用于无服务器训练的预构建容器
        • 使用自定义容器
          • 用于无服务器训练的自定义容器
          • 创建自定义容器
          • 在本地容器化和运行训练代码
      • 在永久性资源上进行训练
        • 概览
        • 创建永久性资源
        • 在永久性资源上运行训练作业
        • 获取永久性资源信息
        • 重新启动永久性资源
        • 删除永久性资源
      • 配置训练作业
        • 选择自定义训练方法
        • 为训练配置容器设置
        • 配置用于训练的计算资源
        • 将预留与训练搭配使用
        • 将 Spot 虚拟机用于训练
      • 提交训练作业
        • 创建自定义作业
        • 超参数调节
          • 超参数调节概览
          • 使用超参数调节
        • 创建训练流水线
        • 根据资源可用性安排作业
        • 使用分布式训练
        • 使用 Cloud TPU 虚拟机进行训练
        • 使用专用 IP 地址进行自定义训练
        • 使用 Private Service Connect 接口进行训练（推荐）
      • 监控和调试
        • 使用交互式 shell 监控和调试训练
        • 分析模型训练性能
      • 教程：构建用于持续训练的流水线
      • 创建自定义组织政策限制条件
    • Gemini Enterprise Agent Platform 集群
      • 概览
      • 开始使用训练集群
      • 部署考虑事项
        • 计算资源
        • 网络
        • Storage
        • 编排
      • 创建和管理集群
        • 创建集群
        • 查看集群
        • 管理集群
        • 管理集群上的账号和作业调度
      • 集群弹性
      • 使用信息中心监控弹性事件
      • 功能指南
        • 将灵活启动虚拟机与 Slurm 集群搭配使用
      • 在集群上运行工作负载
        • 运行预构建的工作负载
        • 使用 TensorBoard 直观呈现作业
        • 使用 Slurm 管理训练集群
    • Ray on Agent Platform
      • Ray on Agent Platform 概览
      • 为 Ray on Agent Platform 进行设置
      • 在 Agent Platform 上创建 Ray 集群
      • 监控 Agent Platform 上的 Ray 集群
      • 扩缩 Agent Platform 上的 Ray 集群
      • 在 Agent Platform 上开发 Ray 应用
      • 在 Ray on Agent Platform 集群上运行 Spark
      • 将 Ray on Agent Platform 与 BigQuery 搭配使用
      • 部署模型并获取推理结果
      • 删除 Ray 集群
    • 执行神经架构搜索
      • 概览
      • 设置环境
      • 初级教程
      • 最佳实践和工作流
      • 代理任务设计
      • 优化 PyTorch 的训练速度
      • 使用预构建的训练容器和搜索空间
    • 使用 Agent Platform Vizier 进行优化
      • Agent Platform Vizier 概览
      • 创建 Agent Platform Vizier 研究
    • AutoML 模型开发
      • AutoML 训练概览
      • 图片数据
        • 分类
          • 准备数据
          • 创建数据集
          • 训练模型
          • 评估模型
          • 获取预测结果
          • 解读结果
        • 对象检测
          • 准备数据
          • 创建数据集
          • 训练模型
          • 评估模型
          • 获取预测结果
          • 解读结果
        • 使用 Base64 对图片数据进行编码
        • 导出 AutoML Edge 模型
      • 表格数据
        • 概览
        • 表格数据简介
        • 表格工作流
          • 概览
          • 端到端 AutoML
            • 概览
            • 训练模型
            • 获取在线推理结果
            • 获取批量推理结果
          • 预测
            • 概览
            • 训练模型
            • 获取在线推理结果
            • 获取批量推理结果
          • 价格
          • 服务账号
          • 管理配额
        • 使用 AutoML 执行分类和回归
          • 概览
          • 快速入门：AutoML 分类（Cloud 控制台）
          • 准备训练数据
          • 创建数据集
          • 训练模型
          • 评估模型
          • 查看模型架构
          • 获取在线推理结果
          • 获取批量推理结果
          • 导出模型
        • 使用 AutoML 进行预测
          • 概览
          • 准备训练数据
          • 创建数据集
          • 训练模型
          • 评估模型
          • 获取推理结果
          • 分层预测
        • 使用 ARIMA+ 执行预测
        • 使用 Prophet 执行预测
        • 执行实体协调
        • 用于分类和回归的特征归因
        • 用于预测的特征归因
        • 适用于表格 AutoML 数据的数据类型和转换
        • 预测的训练参数
        • 表格数据的数据分块
        • 创建表格训练数据的最佳做法
      • 训练 AutoML Edge 模型
        • 使用控制台
        • 使用 API
    • 生成式 AI 模型开发
    • 概览
    • 创建和管理数据集
    • 概览
    • AutoML 模型的数据拆分
    • 创建注解集
    • 删除注释集
    • 添加标签（控制台）
    • 从数据集导出元数据和注解
    • 管理图片数据集版本（仅限 API）
    • 获取推理结果
    • 概览
    • 配置模型以进行推理
      • 导出模型制品以进行推理
      • 用于推理的预构建容器
      • 用于推理的自定义容器的要求
      • 使用自定义容器进行推理
      • 使用任意自定义路线
      • 使用优化的 TensorFlow 运行时
      • 使用 NVIDIA Triton 提供推理服务
      • 自定义推理例程
    • 获取在线推理结果
      • 创建端点
        • 选择端点类型
        • 创建公共端点
        • 使用专用公共端点（推荐）
        • 使用基于 Private Service Connect 的专用私有端点（推荐）
        • 使用专用服务访问通道端点
      • 将模型部署到端点
        • 模型部署概览
        • 用于推理的计算资源
        • 使用 Google Cloud 控制台部署模型
        • 使用 gcloud CLI 或 Agent Platform API 部署模型
        • 使用自动扩缩进行推理
        • 使用滚动部署替换已部署的模型
        • 取消部署模型并删除端点
        • 使用 Cloud TPU 进行在线推理
        • 将预留与在线推理搭配使用
        • 将灵活启动虚拟机与推理搭配使用
        • 将 Spot 虚拟机与推理搭配使用
      • 获取在线推理结果
      • 查看在线推理指标
        • 查看端点指标
        • 查看 DCGM 指标
        • 查看 AI 自动指标
      • 跨部署共享资源
      • 使用在线推理日志记录
    • 获取批量推理结果
      • 从自定义模型获取批量推理
      • 将预留与批量推理搭配使用
      • 从用户自行部署的 Model Garden 模型获取批量预测结果
    • 提供生成式 AI 模型
      • 部署生成式 AI 模型
      • 通过 Saxml 使用 Cloud TPU 提供 Gemma 开放模型
      • 使用 Saxml 通过多主机 Cloud TPU 应用 Llama 3 开放模型
      • 使用多主机 GPU 部署进行 DeepSeek-V3 模型部署
    • 自定义组织政策
    • 机器学习操作 (MLOps)
    • 管理功能
      • Agent Platform 中的功能管理
      • Agent Platform Feature Store
        • Agent Platform Feature Store 简介
        • 设置特征
          • 准备数据源
          • 创建特征组
          • 创建特征
        • 设置在线服务
          • 在线传送类型
          • 创建在线存储区实例
          • 创建特征视图实例
        • 控制访问权限
          • 控制对资源的访问权限
        • 同步在线存储区
          • 开始同步数据
          • 列出同步操作
          • 更新特征视图中的特征
        • 投放功能
          • 从在线存储区传送特征
          • 传送历史特征值
        • 监控
          • 监控特征
        • 管理特征资源
          • 列出特征组
          • 可列出特征
          • 更新特征组
          • 更新特征
          • 删除特征组
          • 删除特征
        • 管理在线存储区资源
          • 列出在线存储区
          • 列出特征视图
          • 更新在线存储区
          • 更新特征视图
          • 删除在线存储区
          • 删除特征视图
        • 特征元数据
          • 更新标签
        • 搜索资源
          • 搜索资源
          • 在 Data Catalog 中搜索资源元数据
        • 管理嵌入
          • 使用嵌入进行搜索
        • 笔记本教程
          • Agent Platform Feature Store 教程笔记本
    • 管理模型
      • Agent Platform Model Registry 简介
      • Model Registry 中的版本控制
      • 将模型导入 Model Registry
      • 在 Model Registry 中复制模型
      • 删除模型
      • 与 BigQuery ML 集成
      • 使用模型别名
      • 使用模型标签
    • 评估模型
      • Agent Platform 中的模型评估
      • 在 Agent Platform 中执行模型评估
      • 针对公平性进行模型评估
        • 模型公平性评估简介
        • Agent Platform 的数据偏见指标
        • Agent Platform 的模型偏差指标
    • 使用流水线编排机器学习工作流
      • 简介
      • 接口
      • 配置项目
      • 构建流水线
      • 运行流水线
      • 使用流水线模板
        • 创建、上传和使用流水线模板
        • 使用模板库中的预构建模板
      • 配置流水线
        • 配置执行缓存
        • 配置失败政策
        • 为流水线任务配置重试
        • 为流水线步骤指定机器类型
        • 使用 Agent Platform Pipelines 请求 Google Cloud 机器资源
        • 配置 Private Service Connect 接口（推荐）
        • 使用 Secret Manager 配置密文
        • 在永久性资源上配置流水线运行
      • 安排和触发流水线运行
        • 使用调度器 API 安排流水线运行
        • 触发使用 Pub/Sub 的流水线运行
      • 取消或删除流水线运行作业
        • 取消流水线运行
        • 删除流水线运行
      • 重新运行流水线
      • 监控流水线执行情况
        • 查看流水线指标
        • 查看流水线作业日志
        • 将日志路由到 Cloud Pub/Sub 接收器
        • 配置电子邮件通知
      • 直观呈现结果
        • 直观呈现和分析流水线结果
        • 跟踪流水线工件的沿袭
        • 输出 HTML 和 Markdown
      • Agent Platform Pipelines 中的资源加标签功能
      • 了解流水线运行作业的费用
      • 从 Kubeflow Pipelines 迁移到 Agent Platform Pipelines
      • 使用自定义约束条件
      • Google Cloud 流水线组件
        • 快速入门
        • Google Cloud 流水线组件简介
        • Google Cloud 流水线组件列表
        • 使用 Google Cloud 流水线组件
        • 构建您自己的流水线组件
      • Agent Platform Pipelines 教程
        • 教程笔记本
    • 跟踪和分析机器学习元数据
      • Vertex ML Metadata 简介
      • 数据模型和资源
      • 配置项目的元数据存储区
      • 使用 Vertex ML Metadata
        • 跟踪 Vertex ML 元数据
        • 分析 Vertex ML Metadata
        • 管理 Vertex ML Metadata
        • 系统架构
        • 创建和使用自定义架构
        • 将自定义限制条件与元数据存储区搭配使用
    • 监控模型质量
      • 模型监控简介
      • Model Monitoring v2
        • 设置模型监控
        • 运行监控作业
        • 管理模型监控
      • Model Monitoring v1
        • 向模型监控提供架构
        • 监控特征偏差和偏移
        • 用于批量预测的 Model Monitoring
    • 跟踪实验
      • Agent Platform Experiments 简介
      • 为 Agent Platform 实验设置
      • 创建实验
      • 创建和管理实验运行作业
      • 日志数据
        • 将数据自动记录到实验运行作业中
        • 手动将数据记录到实验运行作业中
      • 将模型记录到实验运行作业中
      • 跟踪执行和工件
      • 将流水线运行作业添加到实验
      • 使用实验跟踪运行训练作业
      • 比较和分析运行作业
      • 使用 Agent Platform TensorBoard
        • Agent Platform TensorBoard 简介
        • 设置 Agent Platform TensorBoard
        • 配置训练脚本
        • 将 Agent Platform TensorBoard 与自定义训练搭配使用
        • 将 Agent Platform TensorBoard 与 Agent Platform 流水线搭配使用
        • 手动记录 TensorBoard 数据
        • 上传现有日志
        • 查看 Agent Platform TensorBoard
      • 笔记本教程
        • 开始使用 Agent Platform 实验
        • 比较流水线运行
        • 模型训练
        • 比较模型
        • 自动日志记录
        • 自定义训练自动日志记录
        • 跟踪自定义训练的参数和指标
        • 删除过时的 Agent Platform TensorBoard 实验
        • 使用自定义容器进行 Agent Platform TensorBoard 自定义训练
        • 使用预构建容器进行 Agent Platform TensorBoard 自定义训练
        • 使用 HParams 信息中心进行 Agent Platform TensorBoard 超参数调节
        • 使用 Cloud Profiler 分析模型训练性能
        • 使用 Cloud Profiler 在使用预构建容器的自定义训练中分析模型训练性能：笔记本
        • Agent Platform TensorBoard 与 Agent Platform 流水线的集成
    • 管理
    • 访问权限控制
      • 使用 IAM 进行访问权限控制
      • IAM 权限
      • 为团队设置项目
      • 控制对 Agent Platform 端点的访问权限
      • 使用自定义服务账号
      • 使用客户管理的加密密钥
      • Access Transparency
    • 监控 Agent Platform 资源
      • Cloud Monitoring 指标
      • 审核日志记录信息
    • 网络
      • 网络访问权限概览
      • 访问 Agent Platform API
      • 通过专用服务访问通道访问 Agent Platform 服务
      • 通过 PSC 端点访问 Agent Platform 服务
      • 通过 PSC 接口访问 Agent Platform 服务
      • 设置 VPC 网络对等互连
      • 设置与其他网络的连接
      • 设置 Private Service Connect 接口
      • 教程：从本地私密地访问训练流水线
      • 教程：从本地私下访问 Vector Search 索引
      • 教程：从本地访问生成式 AI API
      • 教程：从本地私密地访问批量预测
      • 教程：在 VPC 网络中创建 Agent Platform Workbench 实例
    • 安全
      • VPC Service Controls
      • 允许从边界外通过公共端点访问受保护的资源
      • 允许从边界外访问受保护的多云资源
      • 允许从边界内访问受保护的资源
    • 为资源命名
    • 示例和教程
    • 笔记本教程
    • 代码示例
      • 所有产品的代码示例
  • 开始使用
  • Google Cloud 使用入门
  • 商品列表
  • Cloud Customer Care
  • 精选产品
  • Agent Platform
  • Apigee API Management
  • BigQuery
  • Compute Engine
  • Cloud CDN
  • Cloud Run
  • Cloud Storage
  • Cloud SQL
  • Gemini Enterprise
  • 交互的能力
  • Looker
  • 跨产品工具
  • 访问权限和资源管理
  • 费用和用量管理
  • 基础设施即代码
  • SDK、语言、框架和工具
  • 技术领域
  • AI 和机器学习
  • 应用开发
  • 应用托管
  • 计算
  • 数据分析和流水线
  • 数据库
  • 分布式云、混合云和多云
  • 行业解决方案
  • 迁移
  • 网络
  • 可观测性和监控
  • 安全
  • Storage
  • Agent Platform
  • 生成式 AI