ניהול מודלים של BigQuery ML ב-Gemini Enterprise Agent Platform

אתם יכולים לרשום מודלים של BigQuery ML ב-מרשם המודלים של Vertex AI כדי לנהל אותם לצד המודלים של Gemini Enterprise Agent Platform בלי לייצא אותם. כשרושמים מודלים במרשם המודלים, אפשר ליצור גרסאות של המודלים, להעריך אותם ולפרוס אותם לחיזוי אונליין באמצעות ממשק יחיד, בלי צורך במיכל להצגת המודל. אם אתם לא מכירים את Agent Platform ואת האופן שבו הוא משתלב עם BigQuery ML, תוכלו לעיין במאמר Gemini Enterprise Agent Platform למשתמשי BigQuery.

מידע נוסף על חיזוי ב-Agent Platform

כדי ללמוד איך לנהל את המודלים של BigQuery ML מתוך מרשם המודלים של Vertex AI, אפשר לעיין במאמר מבוא למרשם המודלים של Vertex AI.

לפני שמתחילים

מפעילים את Agent Platform API.

תפקידים שנדרשים להפעלת ממשקי API

כדי להפעיל ממשקי API, צריך את תפקיד ה-IAM 'אדמין של Service Usage' (roles/serviceusage.serviceUsageAdmin), שכולל את ההרשאה serviceusage.services.enable. איך מקצים תפקידים

להפעלת ה-API

ההרשאות הנדרשות

כדי לקבל את ההרשאות שנדרשות לרישום מודלים של BigQuery ML במאגר המודלים, צריך לבקש מהאדמין לתת לכם את התפקיד Agent Platform Administrator ‏ (roles/aiplatform.admin) ב-IAM בפרויקט. כדי לקרוא הסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

יכול להיות שאפשר לקבל את ההרשאות הנדרשות גם באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש.

רישום מודלים

כשיוצרים מודל BigQuery ML, אפשר לרשום את המודל במרשם המודלים באחת מהדרכים הבאות:

  • במסוף Google Cloud , בוחרים את המודל בחלונית Explorer ואז לוחצים על Register בכרטיסייה Registry. (תצוגה מקדימה)

  • משתמשים בהצהרה CREATE MODEL. בהצהרה CREATE MODEL, אפשר להשתמש באפשרויות הבאות כדי לרשום את המודל במאגר המודלים:

    • ‫MODEL_REGISTRY: רישום המודל במרשם המודלים.
    • ‫VERTEX_AI_MODEL_ID: מציינים מזהה מודל לשימוש במודל במרשם המודלים. מזהה המודל משויך למודל BigQuery ML שלכם, ומוצג במרשם המודלים. כל מודל של BigQuery ML יכול להיות רשום רק במזהה מודל אחד במרשם המודלים.
    • ‫VERTEX_AI_MODEL_VERSION_ALIASES: מציינים כינוי אחד או יותר לגרסת המודל, שאפשר להשתמש בו כדי לייעל את הפריסה, לנהל מודלים ולהפעיל את Vertex AI ניתן להסברה במודלים.

    אם מגדירים את האפשרות MODEL_REGISTRY כשיוצרים מודל, המודל נרשם במאגר המודלים ומוצג שם באופן אוטומטי אחרי שהאימון שלו מסתיים ב-BigQuery ML. בעמודה מקור בדף מרשם המודלים במסוףGoogle Cloud אפשר לראות מאיפה מגיע מודל מסוים.

אחרי שמודל BigQuery ML נרשם, אפשר להשתמש ביכולות הבאות של מרשם המודלים עם המודל:

כל המודלים שנוצרו באמצעות BigQuery ML עדיין מוצגים בממשק המשתמש של BigQuery, בין אם הם רשומים במאגר המודלים ובין אם לא.

בדוגמה הבאה אפשר לראות איך ליצור ולרשום מודל k-means:

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

רישום של מודל קיים של BigQuery ML במאגר המודלים

אם לא רשמתם מודל ב-Agent Platform כשאתם יוצרים אותו, אתם יכולים להשתמש ב-SQL, בכלי שורת הפקודה של BigQuery או ב-BigQuery API כדי לרשום אותו מאוחר יותר.

בדוגמאות הבאות אפשר לראות איך רושמים מודל קיים:

המסוף

  1. עוברים לדף BigQuery.

    כניסה ל-BigQuery

  2. בחלונית הימנית, לוחצים על כלי הניתוחים:

    כפתור מודגש לחלונית הסייר.

    אם החלונית הימנית לא מוצגת, לוחצים על הרחבת החלונית הימנית כדי לפתוח אותה.

  3. בחלונית Explorer לוחצים על Datasets ואז לוחצים על מערך נתונים שמכיל את המודל.

  4. לוחצים על הכרטיסייה Models (מודלים) ואז על המודל שרוצים לרשום.

  5. בחלונית פרטי המודל, בוחרים בכרטיסייה Registry.

  6. לוחצים על הרשמה.

  7. בחלונית Register model to Vertex model registry (רישום המודל במרשם המודלים של Vertex), מבצעים אחת מהפעולות הבאות:

    • בוחרים באפשרות Register as a new model (רישום כמודל חדש). בשדה Model name, מקלידים שם למודל.

    • בוחרים באפשרות Register as a new version of an existing model (רישום כגרסה חדשה של מודל קיים).

      1. בשדה Model name, מקלידים שם למודל.
      2. זה שינוי אופציונלי. אם רוצים להשתמש בכינוי לגרסה, בוחרים באפשרות כינוי לגרסה ומקלידים את השם של הכינוי.

  8. לוחצים על הרשמה.

SQL

משתמשים בהצהרה ALTER MODEL:

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

BQ

משתמשים בbq update עם הדגל --model:

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

API

משתמשים בשיטה models.patch. מעבירים אובייקט Model שמכיל אובייקט trainingRuns עם שדה vertexAiModelId מלא:

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

רישום של כמה גרסאות של מודלים של BigQuery ML

המודל הראשון של BigQuery ML שאתם רושמים עם מזהה מודל מסוים מוצג כגרסה 1 של המודל הזה במאגר המודלים. אפשר לרשום מודלים נוספים של BigQuery ML כגרסאות שונות של המודל הרשום הזה על ידי ציון אותו מזהה מודל של Agent Platform כשיוצרים או משנים את המודלים האלה של BigQuery ML.

לדוגמה, אפשר ליצור model1 ב-BigQuery ML ולרשום אותו ב-מרשם המודלים בתור regression_model. ‫model1 מוצג כגרסה 1 של regression_model במרשם המודלים. אם לאחר מכן יוצרים את model2 ב-BigQuery ML ורושמים אותו ב-מרשם המודלים בתור regression_model, ‏ model2 מוצג כגרסה 2 של regression_model ב-מרשם המודלים.

אם יוצרים או מחליפים מודל BigQuery ML ומשתמשים בשם של מודל BigQuery ML שכבר משויך למודל במאגר המודלים, גרסת המודל הקיימת במאגר המודלים נמחקת ומוחלפת במודל החדש. בהמשך לדוגמה הקודמת, אם יוצרים או מחליפים את model2 ב-BigQuery ML באמצעות ההצהרה CREATE OR REPLACE MODEL עם האפשרויות MODEL_REGISTRY ו-VERTEX_AI_MODEL_ID, גרסה 2 של regression_model במאגר המודלים מוחלפת, ובמאגר המודלים מוצגות גרסה 1 וגרסה 3 של מודל regression_model.

שינוי מזהה המודל של מודל רשום של BigQuery ML

אחרי שמודל BigQuery ML נרשם ב-מרשם המודלים, אי אפשר לשנות את הערך VERTEX_AI_MODEL_ID. כדי לרשום את המודל עם VERTEX_AI_MODEL_ID חדש, משתמשים באחת מהאפשרויות הבאות:

  • מוחקים את המודל ויוצרים אותו מחדש, תוך ציון ערך חדש לאפשרות VERTEX_AI_MODEL_ID. הגישה הזו כרוכה בעלויות של אימון מחדש.

  • מעתיקים את המודל ואז משתמשים בהצהרת ALTER MODEL כדי לרשום את המודל החדש עם ערך VERTEX_AI_MODEL_ID חדש.

שיקולים בקשר למיקום

אם רושמים מודל BigQuery ML במספר אזורים ב-Model Registry, המודל הופך למודל אזורי ב-Agent Platform. מודל של BigQuery ML בארה"ב במספר אזורים מסונכרן עם Agent Platform ‏ (us-central1), ומודל של BigQuery ML באיחוד האירופי במספר אזורים מסונכרן עם Agent Platform ‏ (europe-west4). במודלים של אזור יחיד, לא חלים שינויים.

למידע על עדכון מיקומי המודלים, ראו בחירת המיקום.

פריסת מודל ב-Agent Platform

יש מגוון שיטות לפריסת מודל לנקודת קצה ב-Agent Platform. מידע נוסף זמין במאמר בנושא פריסת מודל לנקודת קצה.

מחיקת מודלים של BigQuery ML ממאגר המודלים

כדי למחוק מודל BigQuery ML ממאגר המודלים, צריך למחוק את המודל ב-BigQuery ML. המודל יוסר אוטומטית ממאגר המודלים.

יש כמה דרכים למחוק מודל BigQuery ML. מידע נוסף זמין במאמר בנושא מחיקת מודלים.

אם רוצים למחוק מודל ב-BigQuery ML שנרשם במאגר המודלים ונפרס לנקודת קצה, צריך קודם להשתמש במאגר המודלים כדי לבטל את הפריסה של המודל. אחר כך אפשר לחזור ל-BigQuery ML ולמחוק את המודל. מידע נוסף על ביטול הפריסה של מודל זמין במאמר מחיקת נקודת קצה.

מגבלות