Gestione dei modelli BigQuery ML in Vertex AI
Puoi registrare i modelli BigQuery ML con Vertex AI Model Registry, per gestirli insieme i modelli Vertex AI senza la necessità di esportarli. Quando ti registri di modelli con Model Registry, puoi eseguire il controllo ed eseguire il deployment dei modelli per la previsione online utilizzando una singola interfaccia. senza bisogno di un container di pubblicazione. Se non hai familiarità con Vertex AI e come si integra con BigQuery ML, consulta Vertex AI per gli utenti di BigQuery.
Per saperne di più sulla previsione di Vertex AI, consulta Panoramica della generazione di previsioni su Vertex AI.
Per scoprire come gestire i tuoi modelli BigQuery ML da Vertex AI Model Registry, consulta Introduzione a Vertex AI Model Registry.
Prerequisiti
Per registrare i modelli BigQuery ML Model Registry, devi soddisfare diversi prerequisiti.
Abilita l'API Vertex AI
Devi abilitare l'API Vertex AI nel tuo progetto prima di registrare i modelli BigQuery ML registro dei modelli. Puoi eseguire questa operazione utilizzando API e Services nella console Google Cloud oppure eseguendo quanto segue Comando Google Cloud CLI:
gcloud --project PROJECT_ID services enable aiplatform.googleapis.com
Concedi autorizzazioni IAM
L'account di servizio o l'account utente che utilizzi per registrarti
di modelli BigQuery ML
al registro dei modelli deve essere concesso
Amministratore Vertex AI (roles/aiplatform.admin
)
ruolo. Per ulteriori informazioni sui ruoli e
autorizzazioni, consulta
Controllo dell'accesso con IAM.
Utilizza il comando seguente per concedere il ruolo Vertex AI Administrator a un account di servizio:
gcloud projects add-iam-policy-binding PROJECT_ID --member=serviceAccount:SERVICE_ACCOUNT_EMAIL --role=roles/aiplatform.admin --condition=None
Utilizza il comando seguente per concedere il ruolo Vertex AI Administrator a un account utente:
gcloud projects add-iam-policy-binding PROJECT_ID --member=user:USER_ACCOUNT --role=roles/aiplatform.admin --condition=None
Registra modelli
Quando crei un modello BigQuery ML, puoi utilizzare
Opzione MODEL_REGISTRY
nel
Dichiarazione di CREATE MODEL
per registrare il modello in Model Registry. La
L'istruzione CREATE MODEL
contiene anche l'opzione VERTEX_AI_MODEL_ID
per specificare l'ID modello e l'opzione VERTEX_AI_MODEL_VERSION_ALIASES
per specificare uno o più alias di versione del modello, utilizzabili
per semplificare il deployment, gestire i modelli e abilitare
Vertex Explainable AI Explainable AI
sui modelli.
Se imposti l'opzione MODEL_REGISTRY
durante la creazione di un modello, il modello
vengono visualizzati automaticamente in Model Registry
una volta completato l'addestramento in BigQuery ML. Puoi utilizzare lo
Colonna Origine nella pagina Registro dei modelli della console Google Cloud
per vedere da dove proviene un modello.
Una volta registrato un modello BigQuery ML, puoi utilizzare di Model Registry con il tuo modello. Puoi eseguire il deployment del modello su un endpoint, confrontare le versioni del modello, fare previsioni, monitorare il modello e visualizzarne le valutazioni. Inoltre, se vuoi per capire quali funzionalità contribuiscono alle previsioni, puoi utilizzare Vertex Explainable AI per ottenere spiegazioni basate sulle caratteristiche del modello.
Tutti i modelli creati utilizzando BigQuery ML vengono ancora visualizzati all'interfaccia utente di BigQuery, indipendentemente dal fatto che registrati in Model Registry.
Specifica un ID modello Vertex AI
Per semplificare la gestione dei modelli, specifica un ID modello Vertex AI
utilizzando l'opzione VERTEX_AI_MODEL_ID
quando crei il modello. L'ID modello
è associato al tuo modello BigQuery ML ed è visibile
registro dei modelli.
L'ID modello Vertex AI non accetta lettere maiuscole. Se non specificare un ID modello Vertex AI, BigQuery ML viene usato l'ID modello. In questo caso, assicurati che l'ID modello BigQuery ML è anche minuscolo. Per un elenco completo dei requisiti per gli ID modello, consulta specifiche nella documentazione di riferimento per il caricamento.
Per aggiornare l'ID modello Vertex AI, devi eliminare il modello e
ricrearlo con il nuovo ID modello Vertex AI corretto. Non puoi
aggiorna l'ID modello Vertex AI utilizzando il comando ALTER MODEL
.
Specifica l'alias di un modello Vertex AI
Per indicare un alias del modello, specifica l'opzione VERTEX_AI_MODEL_VERSION_ALIASES
quando crei il modello. Gli alias del modello sono utili per recuperare o eseguire il deployment
una determinata versione del modello per riferimento, senza la necessità di conoscere la
l'ID versione. In questo modo operano in modo simile ai tag Docker o ai rami
in Git.
Per saperne di più sul funzionamento degli alias del registro dei modelli, consulta Come utilizzare gli alias di versione del modello.
Registrare più versioni dei modelli BigQuery ML
Se vuoi creare una nuova versione di una versione esistente di BigQuery ML un modello e lo confronta con altri in Model Registry, devi specificare un ID modello BigQuery ML diverso quando crei il modello e quindi registrarlo nel modello originale ID modello Model Registry.
Se crei o sostituisci un modello BigQuery ML e utilizzi un l'ID modello BigQuery ML già associati a un modello in Model Registry, la versione esistente del modello Model Registry viene eliminata sostituito con il nuovo modello.
Registrare un modello BigQuery ML esistente in Model Registry
I modelli BigQuery ML non vengono aggiunti automaticamente
registro dei modelli. Puoi utilizzare lo
ALTER MODEL
,
per aggiungere un ID modello e registrarlo
Model Registry e aggiornare metadati come
la descrizione e le etichette del modello.
Per scoprire di più sull'aggiornamento dei metadati del modello in BigQuery ML, consulta Aggiornare i metadati del modello.
Per registrare un modello esistente:
SQL
ALTER MODEL [IF EXISTS] <model_name> SET OPTIONS (vertex_ai_model_id="VERTEX_AI_MODEL_ID");
bq
Puoi aggiornare un modello utilizzando lo strumento a riga di comando bq eseguendo
Comando bq update
e specificare un ID modello. vertex_model_id
può
essere un nuovo ID o un ID modello esistente di Model Registry.
Ogni modello BigQuery ML può essere registrato solo in un model_id nella sezione
registro dei modelli.
bq update --model --vertex_ai_model_id "VERTEX_AI_MODEL_ID" PROJECT_ID:DATASET.MODEL
API
- Vai a Metodo: models.patch
- Compila i campi Parametri della richiesta e Corpo della richiesta.
- Fai clic sul pulsante EXECUTE.
{
"trainingRuns": [
{
"vertexAiModelId": "VERTEX_AI_MODEL_ID"
}
}
```
Se specifichi un nuovo ID modello durante la registrazione del modello, Il modello BigQuery ML viene visualizzato come versione 1 del modello registro dei modelli. Per aggiungere il modello come nuova versione di un modello esistente, specifica l'ID del modello esistente. Questa operazione registra automaticamente il nuovo modello come ultima versione di quello esistente.
Modificare l'ID modello di un modello BigQuery ML registrato
Una volta registrato un modello BigQuery ML
Model Registry, non puoi modificare VERTEX_AI_MODEL_ID
valore. Per registrare il modello con un nuovo VERTEX_AI_MODEL_ID
, utilizza una delle
le seguenti opzioni:
Eliminare il modello e la ricrea, se il costo del riaddestramento è accettabile.
Copia il modello, e poi useremo l'istruzione
ALTER MODEL
per registrare nuovo modello con un nuovo valoreVERTEX_AI_MODEL_ID
.
Considerazioni sulla località
Se registri un modello BigQuery ML multiregionale Model Registry, il modello diventa un modello a livello di regione in Vertex AI. Un modello multiregionale degli Stati Uniti di BigQuery ML viene sincronizzato con Vertex AI (us-central1) e una Il modello UE multiregionale di BigQuery ML è sincronizzato con Vertex AI (europe-west4). Per i modelli a regione singola, non sono modifiche.
Per informazioni su come aggiornare le località dei modelli, consulta Scelta della località.
Eliminare i modelli BigQuery ML dal registro dei modelli
Per eliminare un modello BigQuery ML Model Registry, elimina il modello in BigQuery ML. Il modello viene automaticamente rimosso registro dei modelli.
Esistono diversi modi per eliminare un modello BigQuery ML. Per Per saperne di più, consulta Eliminare i modelli.
Se vuoi eliminare in BigQuery ML un modello già creato registrati in Model Registry e di cui è stato eseguito il deployment in un devi prima usare Model Registry per annullare il deployment del modello. Puoi quindi tornare in BigQuery ML ed eliminare un modello di machine learning. Per ulteriori informazioni su come annullare il deployment di un modello, consulta Elimina un endpoint.
Passaggi successivi
Utilizza la previsione online con BigQuery ML un blocco note per addestrare un modello utilizzando BigQuery ML, in Model Registry ed eseguirne il deployment una previsione in tempo reale.