Vertex AI Samples

名誉脆弱娇嫩有如花朵。——司汤达

官方文档：

https://cloud.google.com/vertex-ai

Github仓库：

https://github.com/GoogleCloudPlatform/vertex-ai-samples

notebook、代码示例、示例应用和其他资源，演示如何使用 Google Cloud Vertex AI 使用、开发和管理机器学习和生成式 AI 工作流

此代码库包含笔记本、代码示例、示例应用和其他资源，这些资源演示了如何使用 Google Cloud Vertex AI 使用、开发和管理机器学习和生成式 AI 工作流。

Vertex AI 是一个完全托管的统一 AI 开发平台，用于构建和使用生成式 AI。此存储库旨在帮助您开始使用 Vertex AI。无论您是 Vertex AI 的新手还是经验丰富的 ML 从业者，您都可以在这里找到宝贵的资源。

有关更多 Vertex AI 生成式 AI 笔记本示例，请访问 Vertex AI 生成式 AI GitHub 存储库。

浏览此存储库，点击每个笔记本标题部分中的链接 -在 Colab 中打开并运行 notebook
在 Colab Enterprise 中打开并运行 notebook
在 Vertex AI Workbench 中打开并运行notebook
在 Github 上查看notebook

要开始使用 Vertex AI，您必须有一个 Google Cloud 项目。

• 如果您没有 Google Cloud 项目，可以使用 Free Trail 免费学习和构建 GCP。
• 拥有 Google Cloud 项目后，您可以详细了解如何设置项目和开发环境。

类别	产品	描述
模型	Model Garden/	Vertex AI 上提供的第一方、开源和第三方模型的精选集合，包括 Gemini、Gemma、Llama 3、Claude 3 等。
数据	Feature Store/	使用 Vertex AI Feature Store 设置和管理在线服务。
	datasets/	将 BigQuery 和 Data Labeling Service 与 Vertex AI 结合使用。
模型开发	automl/	在 AutoML 模型上训练和进行预测
	custom/	在 Vertex AI 上创建、部署和提供自定义模型
	ray_on_vertex_ai/	使用 Colab Enterprise 和 Vertex AI SDK for Python 连接到 Ray 集群。
部署和使用	prediction/	使用预构建的容器构建、训练和部署模型，以进行自定义训练和预测。
	model_registry/	使用 Model Registry 创建和注册模型。
	Explainable AI/	使用 Vertex Explainable AI 基于特征和基于示例的解释来解释模型如何或为何生成特定预测。
	ml_metadata/	记录元数据和构件并查询该元数据，以帮助分析、调试和审计 ML 系统的性能。
工具	Pipelines/	使用“Vertex AI Pipelines”和“Google Cloud Pipeline Components”来构建、调整或部署自定义模型。