Présentation de Model Registry

Gemini Enterprise Agent Platform Model Registry est un dépôt central dans lequel vous pouvez gérer le cycle de vie de vos modèles de ML. Model Registry vous offre un aperçu de vos modèles afin de mieux organiser, suivre et entraîner les nouvelles versions. Lorsque vous souhaitez déployer une version de modèle, vous pouvez l'attribuer à un point de terminaison directement à partir du registre ou, à l'aide d'alias, déployer des modèles sur un point de terminaison.

Model Registry est compatible avec les modèles personnalisés et tous les types de données AutoML (tabulaires et images). Model Registry est également compatible avec les modèles BigQuery ML. Si vous avez des modèles entraînés dans BigQuery ML, vous pouvez les enregistrer auprès de Model Registry sans avoir à les exporter depuis BigQuery ML ni à les importer dans Model Registry.

Sur la page d'informations de la version du modèle, vous pouvez évaluer le modèle, le déployer sur un point de terminaison, configurer l'inférence par lot et afficher des détails spécifiques sur le modèle. Model Registry propose une interface simple et rationalisée pour gérer et déployer vos meilleurs modèles en production.

Workflow commun

Il existe de nombreux workflows valides dans Model Registry. Pour commencer, vous pouvez suivre les consignes ci-dessous pour comprendre ce que vous pouvez faire dans Model Registry et à quelle étape de votre parcours d'entraînement de modèle.

  • Importez des modèles dans Model Registry.
  • Créez des modèles, attribuez une version de modèle à l'alias par défaut, prêt pour la production.
  • Ajoutez d'autres alias ou libellés pour vous aider à gérer et à organiser vos modèles et leurs versions.
  • Déployez vos modèles sur un point de terminaison pour l'inférence en ligne.
  • Exécutez l'inférence par lot et démarrez votre pipeline d'évaluation du modèle.
  • Affichez les détails de votre modèle et consultez ses métriques de performances depuis la page des détails du modèle.

Pour en savoir plus sur l'intégration de vos modèles BigQuery ML avec la plate-forme d'agents Gemini Enterprise, consultez la documentation BigQuery ML.

Rechercher et découvrir des modèles à l'aide de Knowledge Catalog

Knowledge Catalog est une plate-forme permettant de stocker, de gérer et d'accéder à vos métadonnées. Il vous permet de rechercher vos modèles Agent Platform dans plusieurs projets et régions.

Pour en savoir plus, consultez À propos de la gestion de Data Catalog dans Knowledge Catalog.

Étapes suivantes

Pour commencer à utiliser Model Registry, consultez les ressources suivantes :