设置 | Vertex AI | Google Cloud Documentation

跳至主要内容

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
生成式 AI
行业解决方案
网络
可观测性和监控
安全
Storage

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
迁移
SDK、语言、框架和工具

/

控制台

English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어

Vertex AI

免费开始使用吧

指南参考文档示例支持资源

技术领域
- 更多
- 指南
- 参考文档
- 示例
- 支持
- 资源
跨产品工具
- 更多
控制台

Discover
概览
Vertex AI 简介
Vertex AI 上的 MLOps
Vertex AI 的界面
Vertex AI 新手指南
- 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 Vertex AI 和 Python SDK 训练模型
集成式机器学习框架
- PyTorch
- TensorFlow
面向 BigQuery 用户的 Vertex AI
术语库
开始使用
设置项目和开发环境
安装 Vertex AI SDK for Python
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
- 自定义训练笔记本教程
使用生成式 AI 和 LLM
生成式 AI 简介
使用 Vertex AI 开发工具
开发工具概览
使用 Vertex AI SDK
- 概览
- Vertex AI SDK for Python 简介
- Vertex AI SDK for Python 类
在笔记本中使用 Vertex AI
- 选择笔记本解决方案
- Colab Enterprise
  - 快速入门：使用控制台创建笔记本
  - 连接到运行时
  - 管理运行时和运行时模板
    创建运行时模板
    创建运行时
- Vertex AI Workbench
  - 简介
  - 笔记本教程
  - 开始使用
    使用控制台创建实例
    安排笔记本运行
  - 设置实例
    创建实例
    创建特定版本的实例
    创建具有用户凭证访问权限的实例
    创建启用了机密计算功能的实例
    添加 conda 环境
    空闲机器关停
    使用自定义容器创建实例
    创建启用了 Dataproc 的实例
    使用第三方凭据创建实例
    通过元数据管理功能
    使用预留
  - 连接到数据
    从 JupyterLab 查询 BigQuery 表中的数据
    访问 JupyterLab 中的 Cloud Storage 存储桶和文件
  - 探索和直观呈现数据
    在 BigQuery 中探索和直观呈现数据
  - 维护
    管理 conda 环境
    
    备份和恢复
    将笔记本保存到 GitHub
    使用快照
    使用 Cloud Storage
    关停实例
    升级实例的环境
    使用 SSH 访问 JupyterLab
    将数据迁移到新实例
    更改机器类型并配置 GPU
    使用 Terraform 预配资源
  - 监控
    监控健康状况
  - 控制访问权限
    访问权限控制
    管理对实例的访问权限
    管理对实例的 JupyterLab 界面的访问权限
    使用客户管理的加密密钥
    在服务边界内使用实例
  - 排查 Vertex AI Workbench 问题
  - Vertex AI Workbench 版本说明
  - 代管式笔记本
    代管式笔记本简介
    
    开始使用
    使用 Cloud 控制台创建代管式笔记本实例
    安排代管式笔记本运行
    
    设置托管式笔记本实例
    使用自定义容器创建实例
    在 Dataproc 集群上运行代管式笔记本实例
    将 Dataproc Serverless Spark 与代管式笔记本搭配使用
    空闲机器关停
    代管式笔记本版本
    
    连接到数据
    从 JupyterLab 查询 BigQuery 表中的数据
    访问 JupyterLab 中的 Cloud Storage 存储桶和文件
    
    探索和直观呈现数据
    概览
    在 BigQuery 中探索和直观呈现数据
    
    开发模型
    在代管式笔记本实例中开发模型
    
    部署
    使用执行程序运行笔记本文件
    使用参数运行笔记本执行
    
    维护
    迁移到 Vertex AI Workbench 实例
    将笔记本保存到 GitHub
    更改机器类型并配置代管式笔记本实例的 GPU
    升级代管式笔记本实例的环境
    将数据迁移到新的代管式笔记本实例
    
    监控
    审核日志记录
    
    控制访问权限
    访问权限控制
    管理对实例的访问权限
    管理对实例的 JupyterLab 界面的访问权限
    使用客户管理的加密密钥
    设置网络
    在服务边界内使用代管式笔记本实例
    排查代管式笔记本问题
  - 用户管理的笔记本
    用户管理的笔记本简介
    
    开始使用
    使用 Cloud 控制台创建用户管理的笔记本实例
    
    设置用户管理的笔记本实例
    创建特定版本的实例
    安装依赖项
    选择虚拟机映像
    使用自定义容器创建实例
    
    探索数据
    在 Google Cloud 上使用 R 进行数据科学研究：探索性数据分析教程
    
    监控
    监控健康状况
    审核日志记录
    
    控制访问权限
    访问权限控制
    管理对实例的访问权限
    管理对实例的 JupyterLab 界面的访问权限
    客户管理的加密密钥
    在服务边界内使用用户管理的笔记本实例
    将安全强化型虚拟机与用户管理的笔记本搭配使用
    教程：在 VPC 网络中创建笔记本实例