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:

ALTER MODEL [IF EXISTS] <model_name> SET OPTIONS (vertex_ai_model_id="VERTEX_AI_MODEL_ID");

bq update --model --vertex_ai_model_id "VERTEX_AI_MODEL_ID" PROJECT_ID:DATASET.MODEL

  {
    "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 valore VERTEX_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.