סוגי מודלים

‫Vertex AI SDK כולל את המחלקה Model לעבודה עם מודל שמאמנים ואז משתמשים בו לחיזויים. ה-SDK כולל גם את המחלקה ModelEvaluation להערכת מדדים במודלים מאומנים של AutoML. למידע נוסף על מודלים, אפשר לעיין במאמר אימון מודלים משלכם ושימוש בהם.

Model

המחלקות Model מייצגות מודל שעבר אימון ורשום ב-Model Registry של Gemini Enterprise Agent Platform. אתם משתמשים במודל שעבר אימון כדי ליצור תחזיות.

משתמשים בשיטה aiplatform.Model() כדי למצוא מודל ולהחזיר הפניה אליו. אפשר לציין מודל באמצעות השם או המזהה שלו. יותר ממודל אחד בפרויקט יכולים לחלוק את אותו שם, ולכן מומלץ לציין מודל עם מזהה המודל שלו. דוגמת הקוד הבאה מראה איך להשתמש במזהה מודל כדי למצוא ולהחזיר הפניה למודל קיים:

MODEL_ID="my-sample-model-ID"
model = aiplatform.Model(model_name=MODEL_ID)

אחרי שיש לכם הפניה למודל מאומן, אתם יכולים להשתמש במאפיינים ובשיטות של Model כדי לעבוד איתו ולקבל חיזויים.

יצירת מודל רשום

כדי ליצור משאב מודל שרשום במאגר המודלים של Gemini Enterprise Agent Platform, קוראים לשיטה run במחלקת משימות ההדרכה. השיטות הבאות יוצרות מודל, מאמנות את המודל, רושמות את המודל ב-Gemini Enterprise Agent Platform מרשם המודלים ומחזירות הפניה למודל.

בדוגמת הקוד הבאה מוסבר איך ליצור משאב CustomTrainingJob ואז להשתמש בשיטה run שלו כדי ליצור מודל, לאמן את המודל, לרשום את המודל במאגר המודלים של Gemini Enterprise Agent Platform ולהחזיר הפניה למודל:

# Create a custom training job using a script
job = aiplatform.CustomTrainingJob(
    display_name="my-training-job",
    script_path="task.py",
    container_uri="us-docker.pkg.dev/vertex-ai/training/tf-cpu.2-8:latest",
    requirements=["google-cloud-bigquery>=2.20.0", "db-dtypes", "protobuf<3.20.0"],
    model_serving_container_image_uri="us-docker.pkg.dev/vertex-ai/prediction/tf2-cpu.2-8:latest",
)

# Create and train your model using a BigQuery dataset. The method
# returns a reference to the trained model.
model = job.run(
    dataset=dataset,
    model_display_name="my-model-name",
    bigquery_destination=f"bq://{project_id}",
    args=CMDARGS,
)

יצירת מודל לא רשום

כדי ליצור מודל שלא רשום במרשם המודלים של Gemini Enterprise Agent Platform, צריך להשתמש במחלקה CustomJob ובשיטה run שלה. השיטה CustomJob.run מאמנת מודל, אבל היא לא רושמת את המודל במרשם המודלים של Gemini Enterprise Agent Platform ולא מחזירה הפניה למודל.

אם משתמשים במחלקה CustomJob, צריך להשתמש בסקריפט כדי לכתוב את המודל במיקום כמו קטגוריה של Cloud Storage. מידע נוסף זמין במאמר בנושא ייצוא של מודל ML שאומן.

רישום מודל

אם יש לכם מודל שלא רשום במרשם המודלים של Gemini Enterprise Agent Platform, אתם צריכים לרשום אותו כדי שתוכלו לנהל את מחזור החיים של המודל. מאגר המודלים של Gemini Enterprise Agent Platform הוא מאגר מרכזי שבו אפשר לראות סקירה כללית של המודלים שלכם ולנהל אותם. מידע נוסף זמין במאמר מבוא ל-Gemini Enterprise Agent Platform Model Registry.

‫Vertex AI SDK כולל את השיטות הבאות לייבוא מודל למרשם המודלים של Gemini Enterprise Agent Platform. לחיצה על אחת מהשיטות תעביר אתכם למדריך העזר של Vertex AI SDK כדי לקבל מידע נוסף עליה.

פריסת מודל

אחרי שרושמים מודל, צריך לפרוס אותו לנקודת קצה כדי שאפשר יהיה להשתמש בו לחיזויים. כדי לפרוס את המודל ל-Endpoint, משתמשים בשיטה Model.deploy. מידע נוסף זמין במאמר פריסת מודל לנקודת קצה.

ModelEvaluation

כדי לקבל מדדי הערכה של מודלים של AutoML, כמו דיוק וזיכרון, שיעזרו לכם לקבוע את הביצועים של המודלים, תוכלו להשתמש במחלקה ModelEvaluation. מידע נוסף זמין במאמר בנושא הערכת מודלים ב-Gemini Enterprise Agent Platform.

בדוגמת הקוד הבאה אפשר לראות איך מציגים רשימה של כל ההערכות של מודל עם מזהה מודל model-id שנמצא בפרויקט עם מזהה פרויקט my-project ובאזור us-central1:

model = aiplatform.Model('projects/my-project/locations/us-central1/models/{model-id}')

evaluations = model.list_model_evaluations()

בדוגמת הקוד הבאה אפשר לראות איך מקבלים את הערכת המודל של מודל עם מזהה מודל model-id שנמצא בפרויקט עם מזהה פרויקט my-project שנמצא באזור us-central1:

model = aiplatform.Model('projects/my-project/locations/us-central1/models/{model-id}')

# Return the first evaluation with no arguments. You can also specify a model
# using its model ID.
evaluation = model.get_model_evaluation()

eval_metrics = evaluation.metrics

כדי ליצור הפניה להערכת מודל, משתמשים בשם המשאב או במזהה המודל ובמזהה ההערכה. בדוגמת הקוד הבאה אפשר לראות איך יוצרים הפניה להערכת מודל באמצעות שם המשאב שלו:

evaluation = aiplatform.ModelEvaluation(
  evaluation_name='projects/my-project/locations/us-central1/
    models/{model-id}/evaluations/{evaluation-id}')

eval_metrics = evaluation.metrics

בדוגמת הקוד הבאה אפשר לראות איך יוצרים הפניה להערכת מודל באמצעות מזהה המודל ומזהה ההערכה:

evaluation.metrics = aiplatform.ModelEvaluation(
  evaluation_name={evaluation-id},
  model_id={model-id})

eval_metrics = evaluation.metrics

המאמרים הבאים