Présentation
Cette page explique comment répertorier des modèles BigQuery ML dans un ensemble de données à l'aide des méthodes suivantes :
- Utiliser la console Google Cloud.
- Utiliser la commande
bq ls
de l'outil de ligne de commandebq
- Appeler directement la méthode d'API
models.list
ou utiliser les bibliothèques clientes
Autorisations requises
Pour répertorier des modèles dans un ensemble de données, vous devez disposer du rôle READER
au niveau de l'ensemble de données, ou d'un rôle IAM au niveau du projet qui comprend les autorisations bigquery.models.list
. Si vous disposez des autorisations bigquery.models.list
au niveau du projet, vous pouvez répertorier des modèles dans n'importe quel ensemble de données du projet. Les rôles IAM prédéfinis au niveau du projet qui sont présentés ci-dessous incluent les autorisations bigquery.models.list
:
bigquery.dataViewer
bigquery.dataEditor
bigquery.dataOwner
bigquery.metadataViewer
bigquery.user
bigquery.admin
Pour en savoir plus sur les rôles et les autorisations IAM dans BigQuery ML, consultez la page Contrôle des accès. Pour en savoir plus sur les rôles au niveau de l'ensemble de données, consultez la section Rôles de base pour les ensembles de données de la documentation BigQuery.
Répertorier des modèles
Pour répertorier des modèles dans un ensemble de données, procédez comme suit :
Console
Dans la console Google Cloud, accédez à la page "BigQuery".
Dans la section Ressources du panneau de navigation, cliquez sur le nom du projet.
À mesure que vous développez chacun des ensembles de données d'un projet, les modèles sont répertoriés avec les autres ressources BigQuery des ensembles de données. Les modèles sont indiqués par l'icône
.
bq
Exécutez la commande bq ls
avec l'option --models
ou -m
. L'option --format
peut être utilisée pour contrôler la sortie. Si vous répertoriez des modèles dans un projet autre que votre projet par défaut, ajoutez l'ID du projet à l'ensemble de données, en respectant le format suivant : [PROJECT_ID]:[DATASET]
.
bq ls -m --format=pretty [PROJECT_ID]:[DATASET]
Où :
[PROJECT_ID]
est l'ID de votre projet.[DATASET]
est le nom de l'ensemble de données.
Le résultat de la commande ressemble à ceci lorsque l'option --format=pretty
est utilisée. --format=pretty
génère une sortie en tant que table formatée. La colonne Model Type
affiche le type de modèle, par exemple, KMEANS
.
+-------------------------+------------+--------+-----------------+ | Id | Model Type | Labels | Creation Time | +-------------------------+------------+--------+-----------------+ | mymodel | KMEANS | | 03 May 03:02:27 | +-------------------------+------------+--------+-----------------+
Exemples :
Saisissez la commande suivante pour répertorier les modèles de l'ensemble de données mydataset
dans votre projet par défaut.
bq ls --models --format=pretty mydataset
Saisissez la commande suivante pour répertorier les modèles de l'ensemble de données mydataset
dans myotherproject
. Cette commande utilise le raccourci -m
pour répertorier les modèles.
bq ls -m --format=pretty myotherproject:mydataset
API
Pour répertorier des modèles à l'aide de l'API, appelez la méthode models.list
et spécifiez les paramètres projectId
et datasetId
.
Go
Java
Node.js
Python
Étapes suivantes
- Pour obtenir plus d'informations sur BigQuery ML, consultez la page Présentation de BigQuery ML.
- Pour commencer à utiliser BigQuery ML, consultez la page Premiers pas avec BigQuery ML à l'aide de la console Google Cloud.
- Pour en savoir plus sur l'utilisation des modèles, consultez les pages suivantes :