AI Platform Prediction versi lama ini tidak digunakan lagi dan tidak akan tersedia lagi di Google Cloud setelah 31 Januari 2025. Semua model, metadata terkait, dan deployment akan dihapus setelah 31 Januari 2025. Migrasi resource Anda ke Vertex AI untuk mendapatkan fitur machine learning baru yang tidak tersedia di AI Platform.

Mengelola model dan tugas

Selama proses pelatihan dan deployment model serta mendapatkan prediksi, Anda perlu mengelola resource di Google Cloud Platform. Halaman ini menjelaskan cara menggunakan model, versi, dan tugas.

Penamaan resource Prediksi AI Platform

Anda harus menetapkan nama untuk setiap pekerjaan yang dibuat. Aturan penamaan konsisten di ketiga jenis resource. Masing-masing nama:

Hanya dapat berisi huruf, angka, dan garis bawah.
Peka huruf besar/kecil
Harus diawali dengan huruf.
Tidak boleh lebih dari 128 karakter.
Harus unik dalam namespace-nya (project Anda untuk model dan tugas, model induk untuk versi).

Anda harus membuat nama yang mudah dibedakan dalam daftar resource, seperti log tugas. Berikut beberapa saran:

Beri nama semua tugas untuk model yang sama menggunakan nama model dan indeks tugas (stempel waktu saat tugas dibuat berfungsi dengan baik).
Beri nama model Anda agar mudah diidentifikasi berdasarkan set data yang digunakan (misalnya, census_wide_deep biasanya lebih baik daripada my_new_model).
Versi paling baik jika mudah dibaca. Daripada menggunakan stempel waktu atau nilai unik yang serupa, sebaiknya gunakan penanda versi sederhana seperti v1.

Mengelola model

Resource model Anda di AI Platform Prediction adalah container logis untuk setiap implementasi model machine learning Anda. Class ini adalah resource yang paling sederhana untuk digunakan karena tidak memiliki operasi yang kompleks atau resource tambahan untuk dialokasikan dan dikelola.

Tabel berikut merangkum operasi model dan mencantumkan antarmuka yang dapat Anda gunakan untuk menjalankannya:

Operasi	Antarmuka	Notes
buat	`projects.models.create`
	`gcloud ai-platform models create`
	Buat Model di halaman AI Platform Prediction Models.
delete	`projects.models.delete`	Menghapus model adalah operasi yang berjalan lama. Model tidak boleh memiliki versi yang terkait dengannya sebelum Anda dapat menghapusnya.
	`gcloud ai-platform models delete`
	Hapus di daftar Model, atau di halaman Detail model.
get	`projects.models.get`	Informasi yang Anda dapatkan dijelaskan dalam referensi resource `Model`.
	`gcloud ai-platform models describe`
	Halaman Detail model (masukkan dengan link dari daftar Model.
list	`projects.models.list`
	`gcloud ai-platform models list`
	Halaman Model Prediksi AI Platform.

Mengelola versi

Versi Anda adalah iterasi spesifik dari model Anda. Inti dari versi model adalah TensorFlowSavedModel.

Tabel berikut merangkum operasi versi dan mencantumkan antarmuka yang dapat Anda gunakan untuk menjalankannya:

Operasi	Antarmuka	Notes
buat	`projects.models.versions.create`	Membuat versi adalah men-deploySavedModel ke Prediksi AI Platform. Baca panduan deployment model untuk informasi selengkapnya.
	`gcloud ai-platform versions create`
	Buat Versi di halaman Detail model (masukkan dengan link dari daftar Model).
delete	`projects.models.versions.delete`	Menghapus versi merupakan operasi yang berjalan lama. Anda tidak dapat menghapus versi default model kecuali jika versi tersebut adalah satu-satunya versi yang ditetapkan ke model tersebut.
	`gcloud ai-platform versions delete`
	Delete di daftar Versions di halaman Model details.
get	`projects.models.versions.get`	Informasi yang Anda dapatkan dijelaskan dalam referensi resource `Version`.
	`gcloud ai-platform versions describe`
	Halaman Detail versi (dari link dalam daftar Versi di halaman Detail model.
list	`projects.models.versions.list`
	`gcloud ai-platform versions list`
	Daftar Versi di halaman Detail model.
setDefault	`projects.models.versions.setDefault`	Ini adalah satu-satunya cara untuk menetapkan versi default baru untuk sebuah model; setelah yang pertama, membuat versi tidak akan menjadikan versi yang baru sebagai default.
	`gcloud ai-platform versions set-default`
	Tetapkan sebagai default pada daftar Versi di halaman Detail model.

Mengelola tugas

AI Platform Prediction mendukung dua jenis tugas: pelatihan dan prediksi batch. Detail untuk setiap opsi berbeda, tetapi operasi dasarnya sama.

Tabel berikut merangkum operasi tugas dan mencantumkan antarmuka yang dapat Anda gunakan untuk melakukannya:

Operasi	Antarmuka	Notes
buat	`projects.jobs.create`	Pembuatan tugas dijelaskan secara mendetail dalam panduan pelatihan dan prediksi batch.
	`gcloud ai-platform jobs submit training` `gcloud ai-platform jobs submit prediction`
	Tidak ada implementasi konsol.
batal	`projects.jobs.cancel`	Membatalkan tugas yang sedang berjalan.
	`gcloud ai-platform jobs cancel`
	Batal di halaman Detail tugas.
get	`projects.jobs.get`	Informasi yang Anda dapatkan dijelaskan dalam referensi resource `Jobs`.
	`gcloud ai-platform jobs describe`
	Halaman Detail tugas (masukkan dengan link dari daftar Lowongan).
list	`projects.jobs.list`	Hanya lowongan yang dibuat dalam 90 hari terakhir yang akan ditampilkan.
	`gcloud ai-platform jobs list`
	Daftar tugas.

Menangani operasi asinkron

Sebagian besar operasi pengelolaan resource Prediction AI Platform ditampilkan secepat mungkin, dan memberikan respons lengkap. Namun, ada dua jenis operasi asinkron yang harus Anda pahami: tugas dan operasi yang berjalan lama.

Saat memulai operasi asinkron, Anda biasanya ingin mengetahui kapan operasi tersebut selesai. Proses untuk mendapatkan status berbeda untuk tugas dan operasi yang berjalan lama:

Mendapatkan status pekerjaan

Anda dapat menggunakan projects.jobs.get untuk mendapatkan status tugas. Metode ini juga disediakan sebagai gcloud ai-platform jobs describe dan di halaman Tugas di Konsol Google Cloud. Terlepas dari cara Anda mendapatkan status, informasinya didasarkan pada anggota Resource lowongan. Anda akan mengetahui bahwa tugas telah selesai jika Job.state dalam respons sama dengan salah satu nilai berikut:

SUCCEEDED
FAILED
CANCELLED

Mendapatkan status operasi yang berjalan lama

AI Platform Prediction memiliki tiga operasi yang berjalan lama:

Membuat versi
Menghapus model
Menghapus versi

Dari operasi yang berjalan lama, hanya membuat versi yang mungkin memerlukan banyak waktu untuk diselesaikan. Menghapus model dan versi biasanya dilakukan hampir secara real time.

Jika Anda membuat versi menggunakan Google Cloud CLI atau Konsol Google Cloud, antarmuka akan otomatis memberi tahu Anda saat operasi selesai. Jika membuat versi dengan API, Anda dapat melacak sendiri status operasi:

Dapatkan nama operasi yang ditetapkan layanan dari objek Operation sebagai respons terhadap panggilan Anda ke projects.models.versions.create. Kunci untuk nilai nama adalah "name".
Gunakan projects.operations.get untuk memeriksa status operasi secara berkala.
1. Gunakan nama operasi dari langkah pertama untuk membentuk string nama formulir:
```
'projects/my_project/operations/operation_name'
```
  Pesan respons berisi objek Operation.
2. Dapatkan nilai untuk kunci "done". Ini adalah indikator Boolean penyelesaian operasi. Benar jika operasi selesai.
Objek Operation akan menyertakan salah satu dari dua kunci setelah selesai:
- Kunci "response" akan ada jika operasi berhasil. Nilainya harus google.protobuf.Empty karena tidak ada operasi yang berjalan lama dari AI Platform Prediction yang memiliki objek respons.
- Kunci "error" ada jika terjadi error. Nilainya adalah objek Status.

Langkah selanjutnya

Melatih model.
Pelajari cara menggunakan label untuk mengatur resource Anda.