BigQuery ML-Modelle mit Vertex AI verwalten

Sie können BigQuery ML-Modelle in der Vertex AI Model Registry registrieren, um sie zusammen mit Ihren Vertex AI-Modellen zu verwalten, ohne sie exportieren zu müssen. Wenn Sie Modelle in Model Registry registrieren, können Sie die Modelle für die Onlinevorhersage über eine einzelne Schnittstelle versionieren, bewerten und bereitstellen, ohne einen Bereitstellungscontainer zu benötigen. Wenn Sie mit Vertex AI und der Einbindung in BigQuery ML nicht vertraut sind, lesen Sie den Abschnitt Vertex AI für BigQuery-Nutzer.

Weitere Informationen zu Vertex AI-Vorhersagen finden Sie unter Überblick: Vorhersagen in Vertex AI abrufen.

Hinweis :Obwohl alle Modelltypen registriert werden können, gelten für bestimmte Modelltypen Einschränkungen bei der Bereitstellung. Weitere Informationen finden Sie unter Modellbereitstellung.

Informationen zum Verwalten Ihrer BigQuery ML-Modelle über Vertex AI Model Registry finden Sie unter Einführung in Vertex AI Model Registry.

Hinweise

Enable the Vertex AI API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

Erforderliche Berechtigungen

Bitten Sie Ihren Administrator, Ihnen die IAM-Rolle Vertex AI-Administrator (roles/aiplatform.admin) für Ihr Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Registrieren von BigQuery ML-Modellen in der Model Registry benötigen. Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.

Modelle registrieren

Wenn Sie ein BigQuery ML-Modell erstellen, können Sie es auf folgende Weise in Model Registry registrieren:

• Wählen Sie in der Google Cloud -Konsole das Modell im Bereich Explorer aus und klicken Sie dann auf dem Tab Registry auf Register (Registrieren). (Vorschau)

• Verwenden Sie die Anweisung CREATE MODEL. In der CREATE MODEL-Anweisung können Sie die folgenden Optionen verwenden, um das Modell in der Modellregistrierung zu registrieren:

  • MODEL_REGISTRY: Registrieren Sie das Modell in Model Registry.
  • VERTEX_AI_MODEL_ID: Geben Sie eine Modell-ID an, die für das Modell in der Modellregistrierung verwendet werden soll. Die Modell-ID ist Ihrem BigQuery ML-Modell zugeordnet und in Model Registry sichtbar. Jedes BigQuery ML-Modell kann nur unter einer Modell-ID in Model Registry registriert werden.
  • VERTEX_AI_MODEL_VERSION_ALIASES: Geben Sie einen oder mehrere Modellversionsaliasse an, mit denen Sie die Bereitstellung optimieren, Modelle verwalten und Vertex Explainable AI für Modelle aktivieren können.

  Wenn Sie die Option MODEL_REGISTRY beim Erstellen eines Modells festlegen, wird das Modell in der Model Registry registriert und dort automatisch angezeigt, sobald das Training in BigQuery ML abgeschlossen ist. In der Spalte Quelle auf der Seite Modellregistrierung derGoogle Cloud Console können Sie sehen, woher ein Modell stammt.

Sobald ein BigQuery ML-Modell registriert ist, können Sie die folgenden Model Registry-Funktionen mit Ihrem Modell verwenden:

• Modell auf einem Endpunkt bereitstellen
• Modellversionen vergleichen
• Vorhersagen abrufen
• Modell überwachen
• Modellbewertungen ansehen
• Featurebasierte Erläuterungen für das Modell abrufen

Alle mit BigQuery ML erstellten Modelle werden weiterhin in der BigQuery-Benutzeroberfläche angezeigt, unabhängig davon, ob sie in der Model Registry registriert sind.

Im folgenden Beispiel wird gezeigt, wie ein K-Means-Modell erstellt und registriert wird:

CREATE OR REPLACE MODEL `mydataset.my_kmeans_model`
  MODEL_TYPE = 'KMEANS',
  MODEL_REGISTRY = 'VERTEX_AI',
  VERTEX_AI_MODEL_ID = 'customer_clustering';

Vorhandenes BigQuery ML-Modell in Model Registry registrieren

Wenn Sie ein Modell beim Erstellen nicht bei Vertex AI registrieren, können Sie es später mit SQL, dem bq-Befehlszeilentool oder der BigQuery API registrieren.

Die folgenden Beispiele zeigen, wie ein vorhandenes Modell registriert wird:

Console

1. Rufen Sie die Seite BigQuery auf.

   BigQuery aufrufen

2. Klicken Sie im linken Bereich auf  Explorer:

   

   Wenn Sie den linken Bereich nicht sehen, klicken Sie auf  Linken Bereich maximieren, um ihn zu öffnen.

3. Klicken Sie im Bereich Explorer auf Datasets und dann auf ein Dataset, das Ihr Modell enthält.

4. Klicken Sie auf den Tab Modelle und dann auf das Modell, das Sie registrieren möchten.

5. Wählen Sie im Detailbereich des Modells den Tab Registry aus.

6. Klicken Sie auf Registrieren.

7. Führen Sie im Bereich Modell in Vertex Model Registry registrieren einen der folgenden Schritte aus:

   • Wählen Sie Als neues Modell registrieren aus. Geben Sie unter Modellname einen Modellnamen ein.

   • Wählen Sie Als neue Version eines vorhandenen Modells registrieren aus.

     1. Geben Sie unter Modellname einen Modellnamen ein.
     2. Optional. Wenn Sie einen Versionsalias verwenden möchten, wählen Sie Versionsalias aus und geben Sie dann einen Namen für den Versionsalias ein.

8. Klicken Sie auf Registrieren.

SQL

Verwenden Sie die AnweisungALTER MODEL:

ALTER MODEL IF EXISTS mymodel SET OPTIONS (vertex_ai_model_id='my_vertex_ai_model_id');

bq

Führen Sie den Befehl bq update mit dem Flag --model aus:

  bq update --model --vertex_ai_model_id 'my_vertex_ai_model_id' myproject:mydataset.mymodel

API

Verwenden Sie die Methode models.patch. Übergeben Sie ein Model-Objekt, das ein trainingRuns-Objekt mit einem ausgefüllten Feld vertexAiModelId enthält:

{
  "trainingRuns": [
    {
      "vertexAiModelId": my_vertex_ai_model_id
    }
}

Mehrere Versionen von BigQuery ML-Modellen registrieren

Das erste BigQuery ML-Modell, das Sie unter einer bestimmten Modell-ID registrieren, wird in der Model Registry als Version 1 dieses Modells angezeigt. Sie können zusätzliche BigQuery ML-Modelle als verschiedene Versionen dieses registrierten Modells registrieren, indem Sie beim Erstellen oder Ändern dieser BigQuery ML-Modelle dieselbe Vertex AI-Modell-ID angeben.

Sie können beispielsweise model1 in BigQuery ML erstellen und in Model Registry als regression_model registrieren. model1 wird als Version 1 von regression_model in Model Registry angezeigt. Wenn Sie dann model2 in BigQuery ML erstellen und als regression_model in Model Registry registrieren, wird model2 in Model Registry als Version 2 von regression_model angezeigt.

Wenn Sie ein BigQuery ML-Modell erstellen oder ersetzen und einen BigQuery ML-Modellnamen verwenden, der bereits einem Modell in der Model Registry zugeordnet ist, wird die vorhandene Model Registry-Modellversion gelöscht und durch das neue Modell ersetzt. Wenn Sie auf dem vorherigen Beispiel aufbauen und model2 in BigQuery ML mit der CREATE OR REPLACE MODEL-Anweisung mit den Optionen MODEL_REGISTRY und VERTEX_AI_MODEL_ID erstellen oder ersetzen, wird Version 2 von regression_model in der Model Registry ersetzt und in der Model Registry werden Version 1 und Version 3 des Modells regression_model angezeigt.

Modell-ID eines registrierten BigQuery ML-Modells ändern

Sobald ein BigQuery ML-Modell in der Model Registry registriert ist, können Sie den Wert VERTEX_AI_MODEL_ID nicht mehr ändern. Verwenden Sie eine der folgenden Optionen, um das Modell bei einem neuen VERTEX_AI_MODEL_ID zu registrieren:

• Löschen Sie das Modell und erstellen Sie es neu. Geben Sie dabei einen neuen Wert für die Option VERTEX_AI_MODEL_ID an. Für diesen Ansatz fallen Kosten für das erneute Training an.

• Kopieren Sie das Modell und registrieren Sie es dann mit der ALTER MODEL-Anweisung mit einem neuen VERTEX_AI_MODEL_ID-Wert.

Überlegungen zum Standort

Wenn Sie ein multiregionales BigQuery ML-Modell bei Model Registry registrieren, wird es in Vertex AI zu einem regionalen Modell. Ein multiregionales US-Modell von BigQuery ML wird mit Vertex AI (us-central1) synchronisiert und ein multiregionales EU-Modell von BigQuery ML wird mit Vertex AI (europe-west4) synchronisiert. Bei Modellen in einer einzelnen Region gibt es keine Änderungen.

Informationen zum Aktualisieren von Modellstandorten finden Sie unter Standort auswählen.

Modell in Vertex AI bereitstellen

Sie können ein Modell auf verschiedene Arten für einen Endpunkt in Vertex AI bereitstellen. Weitere Informationen finden Sie unter Modell auf einem Endpunkt bereitstellen.

BigQuery ML-Modelle aus Model Registry löschen

Wenn Sie ein BigQuery ML-Modell aus Model Registry löschen möchten, löschen Sie das Modell in BigQuery ML. Das Modell wird automatisch aus Model Registry entfernt.

Es gibt mehrere Möglichkeiten, ein BigQuery ML-Modell zu löschen. Weitere Informationen finden Sie unter Modelle löschen.

Wenn Sie ein Modell in BigQuery ML löschen möchten, das in der Model Registry registriert und an einem Endpunkt bereitgestellt wurde, müssen Sie zuerst die Bereitstellung des Modells über die Model Registry aufheben. Anschließend können Sie zu BigQuery ML zurückkehren und das Modell löschen. Weitere Informationen zum Aufheben der Bereitstellung eines Modells finden Sie unter Endpunkt löschen.

Beschränkungen

• Sie können keine Remotemodelle registrieren.

• Die folgenden Modelle können in der Model Registry registriert, aber nicht in Vertex AI bereitgestellt werden:

  • Importierte XGBoost-Modelle
  • ARIMA_PLUS-Modelle
  • ARIMA_PLUS_XREG-Modelle