Documentation AI Platform Prediction

AI Platform Prediction apporte au cloud la puissance et la flexibilité de TensorFlow, de scikit-learn et de XGBoost. Vous pouvez utiliser AI Platform Prediction pour héberger vos modèles entraînés et leur envoyer des requêtes de prédiction.

Premiers pas

• Présentation d'AI Platform

  Découvrez les produits AI Platform.

• Présentation de la prédiction

  Découvrez comment utiliser AI Platform Prediction pour héberger des modèles de machine learning et diffuser des prédictions.

• Environnement de développement

  Consultez les prérequis de votre environnement de développement local.

• Prédiction en ligne et prédiction par lot

  Découvrez les différences entre la prédiction en ligne et la prédiction par lot.

• Premiers pas : entraînement et prédiction avec TensorFlow Keras

  Entraînez un modèle TensorFlow Keras dans AI Platform Training et déployez le modèle sur AI Platform Prediction.

• Premiers pas : entraînement et prédiction avec TensorFlow Estimator

  Entraînez un modèle TensorFlow Estimator dans AI Platform Training et déployez le modèle sur AI Platform Prediction.

• Premiers pas avec scikit-learn et XGBoost

  Déployez un modèle scikit-learn ou XGBoost pour diffuser des prédictions.

Workflow de prédiction

• Exporter des modèles pour les prédictions

  Rédigez le code d'entraînement requis pour l'export d'artefacts de modèles pouvant être déployés sur AI Platform Prediction.

• Exporter un SavedModel pour la prédiction

  Exportez un modèle SavedModel TensorFlow de façon à le rendre compatible avec AI Platform Prediction.

• Déployer des modèles

  Déployez des modèles de machine learning en créant des ressources de modèle et de version de modèle.

• Routines de prédiction personnalisées

  Personnalisez la façon dont AI Platform Prediction traite les requêtes de prédiction.

• Types de machines pour la prédiction en ligne

  Configurez les types de machines virtuelles et de GPU utilisés par AI Platform Prediction pour gérer les requêtes.

• Obtenir des prédictions en ligne

  Envoyez des requêtes au modèle de machine learning déployé et obtenez des prédictions.

• Obtenir des prédictions par lot

  Effectuez des prédictions sur un grand nombre d'instances de données à l'aide d'un modèle TensorFlow.

Conteneurs personnalisés pour la prédiction en ligne

• Premiers pas : Diffuser des prédictions PyTorch avec un conteneur personnalisé

  Déployez un modèle de machine learning PyTorch qui diffuse des prédictions en ligne à l'aide d'un conteneur personnalisé.

• Exigences relatives aux conteneurs personnalisés

  Découvrez les exigences liées à la création d'une image de conteneur Docker personnalisée à utiliser avec AI Platform Prediction.

• Utiliser un conteneur personnalisé

  Configurez votre version de modèle pour utiliser un conteneur personnalisé.

Intégration d'outils et de services

• Utiliser la bibliothèque cliente Python

  Utilisez la bibliothèque cliente des API Google pour Python pour envoyer des requêtes à l'API AI Platform Training and Prediction.

• Utiliser Cloud Storage

  Configurez Cloud Storage pour qu'il soit compatible avec AI Platform Prediction.

• Utiliser l'outil de simulation What-If

  Inspectez les modèles déployés à l'aide d'un tableau de bord interactif.

Surveillance et sécurité

• Surveiller des modèles

  Surveillez les performances et le comportement des modèles déployés.

• Afficher les journaux d'audit

  Surveillez l'activité des administrateurs et l'accès aux données avec les journaux d'audit Cloud.

• Contrôle des accès

  Consultez les autorisations requises pour effectuer diverses actions dans l'API AI Platform Training and Prediction, ainsi que les rôles IAM qui fournissent ces autorisations.

• Utiliser un compte de service personnalisé

  Configurez une version de modèle pour utiliser un compte de service personnalisé afin de diffuser des prédictions.

• Utiliser VPC Service Controls

  Configurez VPC Service Controls pour limiter le risque d'exfiltration de données.

Ressources AI Platform Prediction

• Projets, modèles, versions et tâches

  Découvrez les ressources que vous créez et avec lesquelles vous interagissez sur AI Platform.

• Gérer les modèles et les tâches

  Gérez les ressources AI Platform que vous avez créées.

• Attribuer des libellés à des ressources

  Organisez vos tâches, modèles et versions de modèle à l'aide d'étiquettes personnalisées.

• Partager des modèles

  Autorisez l'accès d'autres utilisateurs, groupes ou comptes de service à vos ressources AI Platform Prediction.

Tutoriels

• Créer une routine de prédiction personnalisée avec Keras

  Déployez un modèle Keras en association avec le code de prétraitement et de post-traitement pour la gestion des requêtes.

• Obtenir des prédictions en ligne avec XGBoost

  Déployez un modèle XGBoost et effectuez des requêtes de prédictions.

• Obtenir des prédictions en ligne avec scikit-learn

  Déployez un modèle scikit-learn utilisant un pipeline doté de nombreux transformateurs.

• Prédictions avec des pipelines scikit-learn

  Déployez un modèle scikit-learn utilisant un pipeline avec des étapes de prétraitement et de classification.

• Utiliser un pipeline scikit-learn avec des transformateurs personnalisés

  Déployez un pipeline scikit-learn avec un prétraitement personnalisé.

• Créer une routine de prédiction personnalisée avec scikit-learn

  Déployez un modèle scikit-learn en association avec le code de prétraitement et de post-traitement pour la gestion des requêtes.

• Utiliser scikit-learn sur Kaggle et AI Platform Prediction

  Entraînez un modèle avec Kaggle et déployez-le sur AI Platform Prediction.

Versions d'exécution

• Liste des versions d'exécution

  Obtenez des informations sur la disponibilité et les dépendances des versions d'exécution que vous pouvez utiliser pour diffuser des prédictions.

• Gérer les versions d'exécution

  Configurez les versions de dépendance pour la version de votre modèle.

Régions

• Régions

  Obtenez des informations sur la compatibilité des régions Google Cloud avec différentes fonctionnalités.

AI Explanations

• Présentation d'AI Explanations

  Découvrez comment utiliser AI Explanations avec AI Platform Prediction.

• Premiers pas avec AI Explanations

  Déployez des modèles TensorFlow et effectuez des requêtes d'explication.

• Limitations d'AI Explanations

  Consultez les éléments à prendre en compte lors de l'utilisation d'AI Explanations.

• Utiliser des attributions de fonctionnalités

  Configurez votre modèle de machine learning pour AI Explanations et effectuez des requêtes d'explication.

• Enregistrer des modèles TensorFlow

  Enregistrez correctement les modèles TensorFlow 2 et TensorFlow 1.15 pour AI Explanations.

• Préparer les métadonnées

  Créez le fichier de métadonnées d'explication requis pour AI Explanations à l'aide du SDK Explainable AI.

• Visualiser les explications

  Visualisez les explications grâce à AI Explanations.

• Comprendre les entrées et les sorties pour obtenir des explications

  Recherchez les Tensors d'entrée et de sortie pour créer le fichier de métadonnées d'explications manuellement, avant de déployer un modèle TensorFlow 1.15 existant vers AI Explanations.

Évaluation continue

• Présentation de l'évaluation continue

  Découvrez le fonctionnement de l'évaluation continue.

• Avant de commencer l'évaluation continue

  Préparez votre modèle de machine learning pour le rendre compatible avec l'évaluation continue.

• Créer une tâche d'évaluation

  Configurez le mode d'évaluation de la version de votre modèle.

• Afficher les métriques d'évaluation

  Affichez les métriques de votre modèle, calculées par évaluation continue.

• Mettre à jour, suspendre ou supprimer une tâche d'évaluation

  Mettez à jour une tâche d'évaluation continue existante.

API et documentation de référence

• Documentation de référence de l'API AI Platform Training and Prediction

  Obtenez des informations détaillées sur l'API REST.

Assistance

• Dépannage

  Identifiez les causes de problèmes courants.

• Assistance

  Obtenez de l'aide pour résoudre les problèmes que vous êtes susceptible de rencontrer.

• Questions sur la facturation

  Consultez la liste des ressources apportant des réponses aux questions de facturation courantes.

Ressources

• Tarifs

  Obtenez des informations tarifaires détaillées.

• Quotas et limites

  Découvrez les règles d'utilisation des ressources AI Platform Prediction.

• Notes de version

  Informations détaillées sur les mises à jour.

• Notes de version archivées

  Notes de version avant le 10 avril 2019.