我正在探索 kubeflow 管道和 Vertex AI 管道。据我了解，Vertex AI 管道是 kubeflow 管道的托管版本，因此不需要部署完整的 kubeflow 实例。在这方面，抛开定价不谈，Vertex AI 管道是一个更好的选择。但是，在 kubeflow 中，可以创建 experiments，这是我在 Vertex AI 管道中没有找到的等价物。我在documentation 中发现的唯一 Vertex AI 不支持的 kubeflow 功能是“缓存过期”和“递归”，但它们没有提及任何关于实验的内容。让我想知道在两者之间做出决定时是否还有其他值得考虑的差异。
【问题讨论】：
标签： google-cloud-platform google-ai-platform kubeflow-pipelines google-cloud-vertex-ai google-cloud-ai-platform-pipelines
在过去的几个月里，我所在的团队一直在研究 Vertex AI 并与 KubeFlow 进行比较。正如您所指出的，Vertex AI 实验与 KubeFlow 的不同。 Vertex的实验只是Tensorboard instances和Vizier hyperparameter tuning的一个接口。
在 Vertex AI 中似乎没有用于将管道运行分组到实验中的等效项。然而，正如KubeFlow for Machine Learning 的作者所指出的那样，KubeFlow 自己的实验跟踪功能非常有限，这就是为什么他们更喜欢将 KubeFlow 与 MLflow 一起使用。
我注意到的其他一些差异：
除了这些以及您已经提到的之外，Vertex 似乎在管道执行功能方面与 KubeFlow 的功能相当，并且具有无需管理 Kubernetes 集群的巨大优势。
【讨论】：
实际上，Vertex AI 是一个用于执行内置管道的无服务器平台：
Kubeflow Pipelines SDK v1.8.9 或更高版本，或 TensorFlow Extended v0.30.0 或更高版本。
事实上，几乎所有你用来创建的 Kubeflow 管道都可以在 Vertex AI 中运行得很好，你只需要考虑你在文档中已经提到的方面（io、dsl 和 storge）（其中一种常识，因为您不能从磁盘中获取并且必须使用外部文件源）。
所以，基本上就是你运行它的地方。如果您使用 kubeflow（即 import kfp ），开发实际上不会改变。
更新：几乎所有功能都支持实验。只需在此处查看：Experiments – Vertex AI – Google Cloud Platform
一些参考资料：
Building a pipeline | Vertex AI | Google Cloud
【讨论】：