Gestire i modelli BigQuery ML in Vertex AI

Puoi registrare i modelli BigQuery ML con il Model Registry di Vertex AI per gestirli insieme ai modelli di Vertex AI senza doverli esportare. Quando registri i modelli in Model Registry, puoi eseguire il versionamento, la valutazione e il deployment dei modelli per la previsione online utilizzando un'unica interfaccia e senza bisogno di un contenitore di pubblicazione. Se non hai dimestichezza con Vertex AI e con la sua integrazione con BigQuery ML, consulta Vertex AI per gli utenti di BigQuery.

Per scoprire di più sulle previsioni di Vertex AI, consulta la Panoramica dell'ottenimento di previsioni su Vertex AI.

Per scoprire come gestire i modelli BigQuery ML da Vertex AI Model Registry, consulta Introduzione a Vertex AI Model Registry.

Prerequisiti

Per registrare i modelli BigQuery ML in Model Registry, devi soddisfare diversi prerequisiti.

Abilita l'API Vertex AI

Devi attivare l'API Vertex AI nel tuo progetto prima di registrare i modelli BigQuery ML nel Model Registry. Puoi farlo utilizzando la pagina API e servizi nella console Google Cloud o eseguendo il seguente comando Google Cloud CLI:

gcloud --project PROJECT_ID services enable aiplatform.googleapis.com

Concedi autorizzazioni IAM

All'account di servizio o all'account utente che utilizzi per registrare i modelli BigQuery ML in Model Registry deve essere concesso il ruolo Amministratore Vertex AI (roles/aiplatform.admin). Per ulteriori informazioni su ruoli e autorizzazioni Vertex AI, consulta Controllo dell'accesso con IAM.

Utilizza il seguente comando per concedere il ruolo Amministratore Vertex AI a un account di servizio:

gcloud projects add-iam-policy-binding PROJECT_ID --member=serviceAccount:SERVICE_ACCOUNT_EMAIL --role=roles/aiplatform.admin --condition=None

Utilizza il seguente comando per concedere il ruolo Amministratore Vertex AI a un account utente:

gcloud projects add-iam-policy-binding PROJECT_ID --member=user:USER_ACCOUNT --role=roles/aiplatform.admin --condition=None

Registra modelli

Quando crei un modello BigQuery ML, puoi utilizzare l'opzione MODEL_REGISTRY nell'istruzione CREATE MODEL per registrarlo nel Registry dei modelli. L'istruzione CREATE MODEL contiene anche l'opzione VERTEX_AI_MODEL_ID per specificare l'ID modello e l'opzione VERTEX_AI_MODEL_VERSION_ALIASES per specificare uno o più alias di versione del modello, che puoi utilizzare per semplificare il deployment, gestire i modelli e attivare Vertex Explainable AI sui modelli.

Se imposti l'opzione MODEL_REGISTRY durante la creazione di un modello, il modello viene visualizzato automaticamente nel Registry dei modelli al termine dell'addestramento in BigQuery ML. Puoi utilizzare la colonna Origine nella pagina Registro modelli della console Google Cloud per vedere la fonte di un modello.

Una volta registrato un modello BigQuery ML, puoi utilizzare le funzionalità di Model Registry con il tuo modello. Puoi eseguire il deployment del modello in un endpoint, confrontare le versioni del modello, fare previsioni, monitorare il modello e visualizzare le valutazioni del modello. Inoltre, se vuoi comprendere quali caratteristiche contribuiscono alle tue previsioni, puoi utilizzare Vertex Explainable AI per ottenere spiegazioni basate su caratteristiche sul tuo modello.

Tutti i modelli creati utilizzando BigQuery ML vengono comunque visualizzati nell'interfaccia utente di BigQuery, indipendentemente dal fatto che siano registrati nel Registry dei modelli.

Specifica un ID modello Vertex AI

Per semplificare la gestione dei modelli, specifica un ID modello Vertex AI utilizzando l'opzione VERTEX_AI_MODEL_ID quando crei il modello. L'ID modello è associato al tuo modello BigQuery ML ed è visibile nel Model Registry.

L'ID modello Vertex AI non accetta lettere maiuscole. Se non specifichi un ID modello Vertex AI, viene utilizzato l'ID modello BigQuery ML. In questo caso, assicurati che anche l'ID modello BigQuery ML sia in minuscolo. Per un elenco completo dei requisiti relativi all'ID modello, consulta le specifiche nella documentazione di riferimento per il caricamento.

Per aggiornare l'ID modello Vertex AI, devi eliminare il modello e rigenerarlo con il nuovo ID modello Vertex AI corretto. Non puoi aggiornare l'ID modello Vertex AI utilizzando il comando ALTER MODEL.

Specifica un alias del modello Vertex AI

Per specificare un alias del modello, specifica l'opzione VERTEX_AI_MODEL_VERSION_ALIASES quando crei il modello. Gli alias dei modelli sono utili per recuperare o implementare una determinata versione del modello per riferimento senza dover conoscere l'ID versione specifico. In questo modo, funzionano in modo simile ai tag Docker o ai riferimenti ai branch in Git.

Per scoprire di più sul funzionamento degli alias del Registry dei modelli, consulta Come utilizzare gli alias versione del modello.

Registra più versioni dei modelli BigQuery ML

Se vuoi creare una nuova versione di un modello BigQuery ML esistente e confrontarlo con altri nel Model Registry, devi specificare un ID modello BigQuery ML diverso quando crei il modello e poi registrarlo all'ID modello del Model Registry originale.

Se crei o sostituisci un modello BigQuery ML e utilizzi un ID modello BigQuery ML già associato a un modello nel Registry dei modelli, la versione del modello esistente nel Registry dei modelli viene eliminata e sostituita con il nuovo modello.

Registra un modello BigQuery ML esistente nel Model Registry

I modelli BigQuery ML non vengono aggiunti automaticamente al registro dei modelli. Puoi utilizzare l'istruzione ALTER MODEL per aggiungere un ID modello e registrarlo nel Registry dei modelli, nonché per aggiornare i metadati come la descrizione e le etichette del modello.

Per scoprire di più sull'aggiornamento dei metadati del modello in BigQuery ML, consulta Aggiornare i metadati del modello.

Per registrare un modello esistente:

SQL

ALTER MODEL [IF EXISTS] <model_name> SET OPTIONS (vertex_ai_model_id="VERTEX_AI_MODEL_ID");

bq

Puoi aggiornare un modello utilizzando lo strumento a riga di comando bq eseguendo il comando bq update e specificando un ID modello per il modello. vertex_model_id può essere un nuovo ID o un ID modello del Registry dei modelli esistente. Ogni modello BigQuery ML può essere registrato a un solo model_id nel Model Registry.

bq update --model --vertex_ai_model_id "VERTEX_AI_MODEL_ID" PROJECT_ID:DATASET.MODEL

API

  1. Vai a Metodo: models.patch
  2. Compila i Parametri di richiesta e il Corpo della richiesta.
  3. Fai clic sul pulsante ESEGUI.
  {
    "trainingRuns": [
      {
        "vertexAiModelId": "VERTEX_AI_MODEL_ID"
      }
  }
 ```

Se specifichi un nuovo ID modello durante la registrazione, il modello BigQuery ML viene visualizzato come versione 1 del modello nel Model Registry. Per aggiungere il modello come nuova versione di un modello esistente, specifica l'ID del modello esistente. Il nuovo modello viene registrato automaticamente come versione più recente del modello esistente.

Modificare l'ID di un modello BigQuery ML registrato

Una volta registrato un modello BigQuery ML nel Model Registry, non puoi modificare il valore VERTEX_AI_MODEL_ID. Per registrare il modello con un nuovo VERTEX_AI_MODEL_ID, utilizza una delle seguenti opzioni:

  • Elimina il modello e ricrealo, se il costo dell'addestramento nuovamente è accettabile.

  • Copia il modello, quindi utilizza l'istruzione ALTER MODEL per registrare il nuovo modello con un nuovo valore VERTEX_AI_MODEL_ID.

Considerazioni sulla località

Se registri un modello BigQuery ML multiregione in Model Registry, il modello diventa un modello regionale in Vertex AI. Un modello BigQuery ML multiregione per gli Stati Uniti viene sincronizzato con Vertex AI (us-central1) e un modello BigQuery ML multiregione per l'UE viene sincronizzato con Vertex AI (europe-west4). Per i modelli a singola regione, non sono previste modifiche.

Per informazioni su come aggiornare le località dei modelli, consulta Scegliere la località.

Eliminare i modelli BigQuery ML dal Registry dei modelli

Per eliminare un modello BigQuery ML da Model Registry, eliminalo in BigQuery ML. Il modello viene rimosso automaticamente dal Registro modelli.

Esistono diversi modi per eliminare un modello BigQuery ML. Per maggiori informazioni, consulta Eliminare i modelli.

Se vuoi eliminare un modello in BigQuery ML che è stato registrato in Model Registry e di cui è stato eseguito il deployment in un endpoint, devi prima utilizzare Model Registry per annullare il deployment del modello. Puoi quindi tornare a BigQuery ML ed eliminare il modello. Per ulteriori informazioni su come annullare il deployment di un modello, consulta Eliminare un endpoint.

Passaggi successivi

Utilizza il notebook Previsione online con BigQuery ML per addestrare un modello utilizzando BigQuery ML, registrarlo in Model Registry ed eseguirlo in un endpoint per la previsione in tempo reale.