Auf dieser Seite wird beschrieben, wie Sie benutzerdefinierte Modelle mithilfe von AutoML Tables bereitstellen, zurücksetzen, auflisten, löschen und abrufen.
Informationen zum Trainieren eines neuen Modells finden Sie unter Trainingsmodelle.
Modell bereitstellen
Nachdem Sie das Modell trainiert haben, müssen Sie es bereitstellen, um Onlinevorhersagen mit dem Modell anfordern zu können. Batchvorhersagen können auch von einem nicht bereitgestellten Modell angefordert werden.
Durch das Deployment eines Modells fallen Gebühren an. Weitere Informationen finden Sie in der Preisübersicht.
Console
Rufen Sie in der Google Cloud Console die Seite „AutoML Tables“ auf.
Wählen Sie im linken Navigationsbereich den Tab Modelle aus. Wählen Sie dann die Region aus.
Klicken Sie unter More actions (Dreipunktmenü) für das bereitzustellende Modell auf Deploy model (Modell bereitstellen).
REST
Modelle werden mit der Methode models.deploy bereitgestellt.Bevor Sie die Anfragedaten verwenden, ersetzen Sie die folgenden Werte:
-
endpoint:
automl.googleapis.com
für den globalen Standort undeu-automl.googleapis.com
für die EU-Region. - project-id ist Ihre Google Cloud-Projekt-ID.
- location: Der Standort für die Ressource:
us-central1
für global odereu
für die EU. -
model-id: Die ID des Modells, das Sie bereitstellen möchten. Beispiel:
TBL543
.
HTTP-Methode und URL:
POST https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id:deploy
Senden Sie die Anfrage mithilfe einer der folgenden Optionen:
curl
Führen Sie folgenden Befehl aus:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
-H "Content-Type: application/json; charset=utf-8" \
-d "" \
"https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id:deploy"
PowerShell
Führen Sie folgenden Befehl aus:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-Uri "https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id:deploy" | Select-Object -Expand Content
Sie sollten in etwa folgende JSON-Antwort erhalten:
{ "name": "projects/292381/locations/us-central1/operations/TBL543", "metadata": { "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata", "createTime": "2019-12-26T19:21:00.550021Z", "updateTime": "2019-12-26T19:21:00.550021Z", "worksOn": [ "projects/292381/locations/us-central1/models/TBL543" ], "deployModelDetails": {}, "state": "RUNNING" } }
Das Bereitstellen eines Modells ist ein Vorgang mit langer Ausführungszeit.. Sie können den Vorgangsstatus abfragen oder warten, bis der Vorgang beendet ist. Weitere Informationen
Java
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Node.js
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Python
Die Clientbibliothek für AutoML Tables enthält zusätzliche Python-Methoden, die die Verwendung der AutoML Tables API vereinfachen. Diese Methoden verweisen auf Datasets und Modelle anhand des Namens und nicht der ID. Dataset- und Modellnamen dürfen nur einmal vorkommen. Weitere Informationen finden Sie in der Kundenreferenz.
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Bereitstellung eines Modells entfernen
Ihr Modell muss bereitgestellt werden, bevor Sie Onlinevorhersagen anfragen können. Wenn Sie ein Modell für Onlinevorhersagen nicht mehr benötigen, können Sie das Modell zurücksetzen, um Bereitstellungsgebühren zu vermeiden.
Informationen zu Bereitstellungsgebühren finden Sie auf der Seite "Preise".
Console
Rufen Sie in der Google Cloud Console die Seite „AutoML Tables“ auf.
Wählen Sie im linken Navigationsbereich den Tab Modelle aus. Wählen Sie dann die Region aus.
Klicken Sie unter More actions (Dreipunktmenü) für das Modell, dessen Bereitstellung Sie aufheben möchten, auf Remove Deployment (Bereitstellung entfernen).
REST
Die Bereitstellung von Modellen wird mit der Methode models.undeploy entfernt.Bevor Sie die Anfragedaten verwenden, ersetzen Sie die folgenden Werte:
-
endpoint:
automl.googleapis.com
für den globalen Standort undeu-automl.googleapis.com
für die EU-Region. - project-id ist Ihre Google Cloud-Projekt-ID.
- location: Der Standort für die Ressource:
us-central1
für global odereu
für die EU. -
model-id: Die ID des Modells, dessen Bereitstellung Sie aufheben möchten. Beispiel:
TBL543
.
HTTP-Methode und URL:
POST https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id:undeploy
Senden Sie die Anfrage mithilfe einer der folgenden Optionen:
curl
Führen Sie folgenden Befehl aus:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
-H "Content-Type: application/json; charset=utf-8" \
-d "" \
"https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id:undeploy"
PowerShell
Führen Sie folgenden Befehl aus:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-Uri "https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id:undeploy" | Select-Object -Expand Content
Sie sollten in etwa folgende JSON-Antwort erhalten:
{ "name": "projects/292381/locations/us-central1/operations/TBL543", "metadata": { "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata", "createTime": "2019-12-26T19:19:21.579163Z", "updateTime": "2019-12-26T19:19:21.579163Z", "worksOn": [ "projects/292381/locations/us-central1/models/TBL543" ], "undeployModelDetails": {}, "state": "RUNNING" } }
Java
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Node.js
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Python
Die Clientbibliothek für AutoML Tables enthält zusätzliche Python-Methoden, die die Verwendung der AutoML Tables API vereinfachen. Diese Methoden verweisen auf Datasets und Modelle anhand des Namens und nicht der ID. Dataset- und Modellnamen dürfen nur einmal vorkommen. Weitere Informationen finden Sie in der Kundenreferenz.
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Informationen zu einem Modell abrufen
Nach Abschluss des Trainings können Sie Informationen zu dem neu erstellten Modell abrufen.
Console
Rufen Sie in der Google Cloud Console die Seite „AutoML Tables“ auf.
Wählen Sie im linken Navigationsbereich den Tab Models (Modelle) aus und klicken Sie auf das Modell, zu dem Sie Informationen ansehen möchten.
Wählen Sie den Tab Train (Trainieren) aus.
Dieser enthält allgemeine Messwerte für das Modell, wie etwa die Genauigkeit und die Trefferquote.
Weitere Informationen zum Bewerten der Modellqualität finden Sie unter Modelle bewerten.
REST
Mit der Methode models.get rufen Sie Informationen zu einem model ab.
Bevor Sie die Anfragedaten verwenden, ersetzen Sie die folgenden Werte:
-
endpoint:
automl.googleapis.com
für den globalen Standort undeu-automl.googleapis.com
für die EU-Region. - project-id ist Ihre Google Cloud-Projekt-ID.
- location: Der Standort für die Ressource:
us-central1
für global odereu
für die EU. -
model-id: Die ID des Modells, zu dem Sie Informationen abrufen möchten. Beispiel:
TBL543
.
HTTP-Methode und URL:
GET https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id
Senden Sie die Anfrage mithilfe einer der folgenden Optionen:
curl
Führen Sie folgenden Befehl aus:
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
"https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id"
PowerShell
Führen Sie folgenden Befehl aus:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id" | Select-Object -Expand Content
Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:
Java
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Node.js
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Python
Die Clientbibliothek für AutoML Tables enthält zusätzliche Python-Methoden, die die Verwendung der AutoML Tables API vereinfachen. Diese Methoden verweisen auf Datasets und Modelle anhand des Namens und nicht der ID. Dataset- und Modellnamen dürfen nur einmal vorkommen. Weitere Informationen finden Sie in der Kundenreferenz.
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Modelle auflisten
Ein Projekt kann mehrere Modelle enthalten, die mit demselben oder einem anderen Dataset trainiert wurden.
Console
Wenn Sie in der Google Cloud Console eine Liste der verfügbaren Modelle aufrufen möchten, klicken Sie in der linken Navigationsleiste auf den Tab Modelle und wählen Sie die Region aus.
REST
Um eine Liste der verfügbaren Modelle mithilfe der API anzuzeigen, verwenden Sie die Methode models.list.
Bevor Sie die Anfragedaten verwenden, ersetzen Sie die folgenden Werte:
-
endpoint:
automl.googleapis.com
für den globalen Standort undeu-automl.googleapis.com
für die EU-Region. - project-id ist Ihre Google Cloud-Projekt-ID.
- location: Der Standort für die Ressource:
us-central1
für global odereu
für die EU.
HTTP-Methode und URL:
GET https://endpoint/v1beta1/projects/project-id/locations/location/models
Senden Sie die Anfrage mithilfe einer der folgenden Optionen:
curl
Führen Sie folgenden Befehl aus:
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
"https://endpoint/v1beta1/projects/project-id/locations/location/models"
PowerShell
Führen Sie folgenden Befehl aus:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://endpoint/v1beta1/projects/project-id/locations/location/models" | Select-Object -Expand Content
Java
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Node.js
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Python
Die Clientbibliothek für AutoML Tables enthält zusätzliche Python-Methoden, die die Verwendung der AutoML Tables API vereinfachen. Diese Methoden verweisen auf Datasets und Modelle anhand des Namens und nicht der ID. Dataset- und Modellnamen dürfen nur einmal vorkommen. Weitere Informationen finden Sie in der Kundenreferenz.
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Löschen eines Modells
Wenn Sie ein Modell löschen, wird es endgültig aus Ihrem Projekt entfernt.
Console
Klicken Sie in der AutoML Tables-Benutzeroberfläche im linken Navigationsmenü auf den Tab Modelle und wählen Sie die Region aus, um die Liste der verfügbaren Modelle für diese Region anzuzeigen.
Klicken Sie auf das Dreipunkt-Menü ganz rechts in der Zeile, die Sie löschen möchten, und wählen Sie Modell löschen aus.
Klicken Sie im Dialogfeld zur Bestätigung auf Delete (Löschen).
REST
Verwenden Sie die Methode models.delete, um ein Modell zu löschen.
Bevor Sie die Anfragedaten verwenden, ersetzen Sie die folgenden Werte:
-
endpoint:
automl.googleapis.com
für den globalen Standort undeu-automl.googleapis.com
für die EU-Region. - project-id ist Ihre Google Cloud-Projekt-ID.
- location: Der Standort für die Ressource:
us-central1
für global odereu
für die EU. -
model-id: Die ID des Modells, das Sie löschen möchten. Beispiel:
TBL543
.
HTTP-Methode und URL:
DELETE https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id
Senden Sie die Anfrage mithilfe einer der folgenden Optionen:
curl
Führen Sie folgenden Befehl aus:
curl -X DELETE \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
"https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id"
PowerShell
Führen Sie folgenden Befehl aus:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method DELETE `
-Headers $headers `
-Uri "https://endpoint/v1beta1/projects/project-id/locations/location/models/model-id" | Select-Object -Expand Content
Sie sollten in etwa folgende JSON-Antwort erhalten:
{ "name": "projects/29452381/locations/us-central1/operations/TBL543", "metadata": { "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata", "createTime": "2019-12-26T17:19:50.684850Z", "updateTime": "2019-12-26T17:19:50.684850Z", "deleteDetails": {}, "worksOn": [ "projects/29452381/locations/us-central1/models/TBL543" ], "state": "DONE" }, "done": true, "response": { "@type": "type.googleapis.com/google.protobuf.Empty" } }
Das Löschen eines Modells ist ein lang andauernder Vorgang. Sie können den Vorgangsstatus abfragen oder warten, bis der Vorgang beendet ist. Weitere Informationen
Java
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Node.js
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Python
Die Clientbibliothek für AutoML Tables enthält zusätzliche Python-Methoden, die die Verwendung der AutoML Tables API vereinfachen. Diese Methoden verweisen auf Datasets und Modelle anhand des Namens und nicht der ID. Dataset- und Modellnamen dürfen nur einmal vorkommen. Weitere Informationen finden Sie in der Kundenreferenz.
Wenn sich Ihre Ressourcen in der EU-Region befinden, müssen Sie den Endpunkt explizit festlegen. Weitere Informationen
Nächste Schritte
- Modell bewerten
- Batchvorhersagen mit Ihrem Modell abrufen
- Onlinevorhersagen mit Ihrem Modell abrufen
- Mit lang andauernden Vorgängen arbeiten