跳至主要内容
文档
技术领域
close
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
close
访问权限和资源管理
费用和用量管理
Google Cloud SDK、语言、框架和工具
基础架构即代码
迁移
相关网站
close
Google Cloud 首页
免费试用和免费层级
架构中心
博客
联系销售团队
Google Cloud 开发者中心
Google 开发者中心
Google Cloud Marketplace
Google Cloud Marketplace 文档
Google Cloud Skills Boost
Google Cloud Solution Center
Google Cloud 支持团队
Google Cloud Tech YouTube 频道
/
English
Deutsch
Español – América Latina
Français
Indonesia
Italiano
Português – Brasil
中文 – 简体
中文 – 繁體
日本語
한국어
控制台
登录
Vertex AI
指南
参考文档
示例
支持
资源
联系我们
免费开始使用吧
文档
指南
参考文档
示例
支持
资源
技术领域
更多
跨产品工具
更多
相关网站
更多
控制台
联系我们
免费开始使用吧
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
通过自定义模型进行推理
使用 Vertex AI 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
推理
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 Terraform 创建用户管理的笔记本实例
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
Vertex AI SDK 类概览
数据类
训练类
模型类
预测类
跟踪类
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
创建具有用户凭据访问权限的实例
使用机密计算创建实例
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
创建托管式笔记本实例
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
创建用户代管的笔记本实例
创建特定版本的实例
在补丁和支持终止日期后创建实例
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
维护
迁移到 Vertex AI Workbench 实例
将笔记本保存到 GitHub
使用快照备份数据
关停用户管理的笔记本实例
更改机器类型并配置用户管理的笔记本实例的 GPU
升级用户管理的笔记本实例的环境
将数据迁移到新的用户管理的笔记本实例
使用 Notebooks API 注册旧版实例
使用 SSH 访问 JupyterLab
排查用户管理的笔记本问题
Terraform 对 Vertex AI 的支持
预测性 AI 模型开发
概览
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
特征工程
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
TabNet
概览
训练模型
获取在线推理结果
获取批量推理结果
Wide & Deep
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
使用 Timeseries Insights 进行预测
训练 AutoML Edge 模型
使用控制台
使用 API
AutoML Text（旧版）
从 AutoML 文本迁移到 Gemini
适用于 AutoML 文本用户的 Gemini
文本数据
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
实体提取
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
情感分析
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
自定义训练
自定义训练概览
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 共享以进行自定义训练
使用代管式数据集
Vertex AI 自定义训练
Vertex AI 中自定义训练的概览
准备训练应用
了解自定义训练服务
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
用于自定义训练的预构建容器
使用自定义容器
用于训练的自定义容器
创建自定义容器
在本地容器化和运行训练代码
使用 Deep Learning VM Image 和 Deep Learning Containers
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
将预留与训练结合使用
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）
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
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
使用 Vertex AI Vizier 进行优化
Vertex AI Vizier 概览
创建 Vertex AI Vizier 研究
Vertex AI Vizier 笔记本教程
获取推理结果
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
Ray on Vertex AI
Ray on Vertex AI 概览
为 Ray on Vertex AI 进行设置
创建 Ray on Vertex AI 集群
监控 Vertex AI 上的 Ray 集群
扩缩 Ray on Vertex AI 集群
在 Vertex AI 上开发 Ray 应用
在 Ray on Vertex AI 集群上运行 Spark
将 Ray on Vertex AI 与 BigQuery 搭配使用
部署模型并获取推理结果
删除 Ray 集群
Ray on Vertex AI 笔记本教程
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
管理数据集版本
使用 Data Catalog 搜索模型和数据集资源
获取推理结果
概览
配置模型以进行推理
导出模型工件以进行推理
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 Vertex AI API 部署模型
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 虚拟机与推理结合使用
获取在线推理结果
查看线上推理指标
查看端点指标
查看 DCGM 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
通过自定义模型进行批量预测
从自行部署的 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 部署提供 DeepSeek-V3 模型
自定义组织政策
Vertex AI 推理笔记本教程
执行矢量相似度搜索
Vector Search 概览
试试看
开始使用
Vector Search 快速入门
开始前的准备工作
笔记本教程
混合搜索简介
创建和管理索引
输入数据格式和结构
创建和管理索引
索引配置参数
更新和重建索引
过滤矢量匹配
从 BigQuery 导入索引数据
包含元数据的嵌入
部署和查询索引
Private Service Connect（推荐）
使用 Private Service Connect 设置 Vector Search
查询
JSON Web 令牌身份验证
公共端点
部署
查询
专用服务访问通道
设置 VPC 网络对等互连连接
部署
查询
JSON Web 令牌身份验证
监控已部署的索引
使用自定义组织政策
获取支持
机器学习操作 (MLOps)
管理功能
Vertex AI 中的功能管理
Vertex AI Feature Store
关于 Vertex AI Feature Store
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