Gemini Enterprise Agent Platform 的 Model Registry 是中央存放區，可用於管理機器學習模型的生命週期。 Model Registry 會顯示模型總覽，方便您更妥善地整理、追蹤及訓練新版本。 如要部署模型版本，可以直接從登錄檔指派給端點， 也可以使用別名將模型部署至端點。
Model Registry 支援自訂模型和所有 AutoML 資料類型，包括表格和圖片。 Model Registry 也支援 BigQuery ML 模型。如果您有在 BigQuery ML 中訓練的模型，可以向 Model Registry 註冊，不必從 BigQuery ML 匯出模型，也不必匯入 Model Registry。 在模型版本詳細資料頁面中，您可以評估模型、部署至端點、設定批次推論，以及查看特定模型詳細資料。 Model Registry 提供簡單易用的介面，方便您管理最佳模型並部署至實際工作環境。
在 Model Registry 中工作時，有許多有效的工作流程。 請按照下列準則，瞭解您可以在 Model Registry 中執行哪些操作，以及模型訓練歷程的哪個階段。
- 將模型匯入 Model Registry。
- 建立新模型，為模型版本指派預設別名，準備用於正式環境。
- 新增其他別名或標籤，協助您管理及整理模型和模型版本。
- 將模型部署至端點，進行線上推論。
- 執行批次推論，並啟動模型評估 pipeline。
- 在模型詳細資料頁面中，查看模型詳細資料和成效指標。 如要進一步瞭解如何整合 BigQuery ML 模型與 Gemini Enterprise Agent Platform，請參閱 BigQuery ML 說明文件。
使用 Knowledge Catalog 搜尋及探索模型
Knowledge Catalog 平台可儲存、管理及存取中繼資料。您可以使用 Knowledge Catalog，在專案和區域中搜尋 Agent Platform 模型。
詳情請參閱「關於 Knowledge Catalog 中的資料目錄管理」。
後續步驟
如要開始使用 Model Registry，請參閱：