Esta versión heredada de AI Platform Prediction está obsoleta y ya no estará disponible en Google Cloud después del 31 de enero de 2025. Todos los modelos, los metadatos asociados y las implementaciones se borrarán después del 31 de enero de 2025. Migra tus recursos a Vertex AI para obtener funciones nuevas de aprendizaje automático que no están disponibles en AI Platform.

Se usó la API de Cloud Translation para traducir esta página.

Administra modelos y trabajos

Durante el proceso de capacitación, implementación de modelos y obtención de predicciones, debes administrar los recursos en Google Cloud Platform. En esta página, se describe cómo trabajar con modelos, versiones y trabajos.

Asigna nombres a los recursos de AI Platform Prediction

Debes especificar un nombre para cada trabajo que crees. Las reglas para asignar nombres son coherentes en los tres tipos de recursos. Cada nombre cumple con las siguientes especificaciones:

Solo puede contener letras, números y guiones bajos.
Distingue mayúsculas de minúsculas.
Debe comenzar con una letra.
No debe tener más de 128 caracteres.
Debe ser único dentro de tu espacio de nombres (tu proyecto de modelos y trabajos, el modelo primario para versiones).

Debes crear nombres que sean fáciles de distinguir en listas de recursos, como los registros de trabajos. A continuación, se muestran algunas sugerencias:

Nombra todos los trabajos para el mismo modelo, usa el nombre del modelo y un índice de trabajo (la marca de tiempo cuando se crea el trabajo funciona bien).
Asigna un nombre a los modelos para que se identifiquen con facilidad por el conjunto de datos que usan (census_wide_deep suele ser mejor que my_new_model, por ejemplo).
Las versiones son mejores si son fáciles de leer. En lugar de usar una marca de tiempo o un valor único similar, recomendamos usar designadores de versiones simples, como v1.

Administra modelos

Los recursos del modelo en AI Platform Prediction son contenedores lógicos para implementaciones individuales del modelo de aprendizaje automático. Son los recursos más simples con los que trabajar, ya que no tienen operaciones complejas o recursos adicionales para asignar y mantener.

La siguiente tabla resume las operaciones del modelo y enumera las interfaces que puedes usar para realizarlas:

Operación	Interfaces	Notas
create	`projects.models.create`
	`gcloud ai-platform models create`
	Crear modelo en la página Modelos de AI Platform Prediction.
delete	`projects.models.delete`	Borrar un modelo es una operación de larga duración. El modelo no debe tener versiones asociadas antes de que puedas borrarlo.
	`gcloud ai-platform models delete`
	Borrar en la lista Modelos o en la página Detalles del modelo.
get	`projects.models.get`	La información que obtienes se describe en la referencia del recurso `Model`.
	`gcloud ai-platform models describe`
	Página Detalles del modelo (ingresa mediante un vínculo de la lista Modelos).
list	`projects.models.list`
	`gcloud ai-platform models list`
	Página Modelos de AI Platform Prediction.

Administra versiones

Tus versiones son iteraciones específicas de tus modelos. El núcleo de una versión del modelo es un modelo guardado de TensorFlow.

La siguiente tabla resume las operaciones de la versión y enumera las interfaces que puedes usar para realizarlas:

Operación	Interfaces	Notas
create	`projects.models.versions.create`	Cuando se crea una versión, se implementa un modelo guardado en AI Platform Prediction. Consulta la guía de implementación del modelo para obtener más información.
	`gcloud ai-platform versions create`
	Crear versión en la página Detalles del modelo (ingresa mediante un vínculo de la lista Modelos).
borra	`projects.models.versions.delete`	Borrar una versión es una operación de larga duración. No puedes borrar la versión predeterminada de un modelo, a menos que sea la única versión asignada a ese modelo.
	`gcloud ai-platform versions delete`
	Borra en la lista de Versiones en la página Detalles del modelo.
get	`projects.models.versions.get`	La información que obtienes se describe en la referencia del recurso `Version`.
	`gcloud ai-platform versions describe`
	Página Detalles de la versión (de un vínculo en la lista Versiones en la página Detalles del modelo)
lista	`projects.models.versions.list`
	`gcloud ai-platform versions list`
	Lista de Versiones en la página Detalles del modelo.
setDefault	`projects.models.versions.setDefault`	Esta es la única forma de asignar una versión predeterminada nueva para un modelo; después de la primera, la creación de una versión no hace que la versión nueva sea la predeterminada.
	`gcloud ai-platform versions set-default`
	Establece como predeterminado en la lista de Versiones en la página Detalles del modelo.

Administra trabajos

AI Platform Prediction admite dos tipos de trabajos: entrenamiento y predicción por lotes. Los detalles para cada uno son diferentes, pero la operación básica es la misma.

La siguiente tabla resume las operaciones del trabajo y enumera las interfaces que puede usar para realizarlas:

Operación	Interfaces	Notas
crea	`projects.jobs.create`	La creación de un trabajo se describe en detalle en las guías de entrenamiento y predicción por lotes.
	`gcloud ai-platform jobs submit training` `gcloud ai-platform jobs submit prediction`
	No hay implementación de consola.
cancela	`projects.jobs.cancel`	Cancela un trabajo en ejecución.
	`gcloud ai-platform jobs cancel`
	Cancelar en la página Detalles del trabajo.
get	`projects.jobs.get`	La información que obtienes se describe en la referencia del recurso `Jobs`.
	`gcloud ai-platform jobs describe`
	Página Detalles del trabajo (ingresa con un vínculo de la lista Trabajos).
list	`projects.jobs.list`	Solo se mostrarán los trabajos creados en los últimos 90 días.
	`gcloud ai-platform jobs list`
	Lista Trabajos.

Maneja operaciones asíncronas

La mayoría de las operaciones de administración de recursos de AI Platform Prediction se muestran lo más rápido posible y proporcionan una respuesta completa. Sin embargo, hay dos tipos de operaciones asíncronas que debes comprender: trabajos y operaciones de larga ejecución.

Cuando inicias una operación asíncrona, normalmente deseas saber cuándo se complete. El proceso para obtener el estado es diferente al de los trabajos y las operaciones de larga ejecución:

Obtén el estado de un trabajo

Puedes usar projects.jobs.get para obtener el estado de un trabajo. Este método también se proporciona como gcloud ai-platform jobs describe y en la página Trabajos en la consola de Google Cloud. Sin importar cómo obtengas el estado, la información se basa en los miembros del recurso de trabajo. Sabrás que el trabajo se completó cuando el Job.state en la respuesta sea igual a uno de estos valores:

SUCCEEDED
FAILED
CANCELLED

Obtén el estado de una operación de larga duración

AI Platform Prediction tiene las siguientes tres operaciones de larga duración:

Crea una versión
Borra un modelo
Borra una versión

De las operaciones de larga ejecución, solo la creación de una versión puede tardar mucho tiempo en completarse. Borrar modelos y versiones se logra normalmente casi en tiempo real.

Si creas una versión con Google Cloud CLI o la consola de Google Cloud, la interfaz te informa automáticamente cuando se completa la operación. Si creas una versión con la API, puedes hacer un seguimiento del estado de la operación por ti mismo:

Obtén el nombre de la operación que asignó el servicio del objeto Operación en la respuesta de la llamada a projects.models.versions.create. La clave para el valor del nombre es "name".
Usa projects.operations.get para sondear periódicamente el estado de la operación.
1. Usa el nombre de la operación del primer paso para formar una string de nombre del formulario:
```
'projects/my_project/operations/operation_name'
```
  El mensaje de respuesta contiene un objeto de Operación.
2. Obtén el valor de la clave "done". Este es un indicador booleano de finalización de la operación. Es verdadero si la operación está completa.
El objeto de operación incluirá una de las dos claves cuando finalice:
- La clave "response" está presente si la operación se realizó de modo correcto. Su valor debe ser google.protobuf.Empty, ya que ninguna de las operaciones de larga duración de AI Platform Prediction tiene objetos de respuesta.
- La clave "error" está presente si hubo un error. Su valor es un objeto de Estado.

¿Qué sigue?

Entrena un modelo.
Obtén más información sobre el uso de etiquetas para organizar tus recursos.