Incorpora testo con modelli TensorFlow preaddestrati

Questo tutorial mostra come generare incorporamenti di testo NNLM, SWIVEL e BERT in BigQuery utilizzando modelli TensorFlow preaddestrati. Un incorporamento di testo è una rappresentazione vettoriale densa di una porzione di testo in modo che se due parti di testo sono semanticamente simili, i rispettivi incorporamenti sono vicine nello spazio vettoriale di incorporamento.

I modelli NNLM, SWIVEL e BERT

I modelli NNLM, SWIVEL e BERT variano in base a dimensioni, accuratezza, scalabilità e costo. Utilizza la seguente tabella per determinare quale modello utilizzare:

Modello	Dimensione modello	Dimensione di embedding	Caso d'uso	Descrizione
NNLM	< 150 MB	50	Frasi brevi, notizie, tweet, recensioni	modello linguistico di rete neurale
RUOTA	< 150 MB	20	Frasi brevi, notizie, tweet, recensioni	Studente sull'incorporamento vettoriale a sottomatrice
BERT	~200MB	768	Frasi brevi, notizie, tweet, recensioni, brevi paragrafi	rappresentazioni encoder bidirezionali dei trasformatori

In questo tutorial, i modelli NNLM e SWIVEL vengono modelli TensorFlow importati, e il modello BERT è un modello remoto su Vertex AI.

Autorizzazioni obbligatorie

• Per creare il set di dati, è necessario il bigquery.datasets.create Autorizzazione IAM (Identity and Access Management).

• Per creare il bucket, devi disporre di IAM storage.buckets.create autorizzazione.

• Per caricare il modello in Cloud Storage, è necessario IAM storage.objects.create e storage.objects.get autorizzazioni aggiuntive.

• Per creare la risorsa di connessione, devi disporre dei seguenti IAM autorizzazioni:

  • bigquery.connections.create
  • bigquery.connections.get

• Per caricare il modello in BigQuery ML, è necessario quanto segue Autorizzazioni IAM:

  • bigquery.jobs.create
  • bigquery.models.create
  • bigquery.models.getData
  • bigquery.models.updateData

• Per eseguire l'inferenza, sono necessarie le seguenti autorizzazioni IAM:

  • bigquery.tables.getData nella tabella dell'oggetto
  • bigquery.models.getData sul modello
  • bigquery.jobs.create

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

• BigQuery: You incur costs for the queries that you run in BigQuery.
• BigQuery ML: You incur costs for the model that you create and the inference that you perform in BigQuery ML.
• Cloud Storage: You incur costs for the objects that you store in Cloud Storage.
• Vertex AI: If you follow the instructions for generating the BERT model, then you incur costs for deploying the model to an endpoint.

Per generare una stima dei costi basata sull'utilizzo previsto, utilizza il Calcolatore prezzi. I nuovi utenti di Google Cloud potrebbero essere idonei per una prova gratuita.

Per maggiori informazioni, consulta le seguenti risorse:

• Prezzi di archiviazione
• Prezzi di BigQuery ML
• Prezzi di Cloud Storage
• Prezzi di Vertex AI

Prima di iniziare

1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

4. Abilita le API BigQuery, BigQuery Connection, and Vertex AI.

   Abilita le API

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

7. Abilita le API BigQuery, BigQuery Connection, and Vertex AI.

   Abilita le API

Nota: l'API Vertex AI e l'API BigQuery Connection sono utilizzabili solo richiesto per il modello BERT.

Crea un set di dati

Creare un set di dati denominato tf_models_tutorial per archiviare i modelli che che crei, seleziona una delle seguenti opzioni:

SQL

Utilizza la Dichiarazione CREATE SCHEMA:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, inserisci la seguente istruzione:

   CREATE SCHEMA `PROJECT_ID.tf_models_tutorial`;
   

   Sostituisci PROJECT_ID con l'ID progetto.

3. Fai clic su Esegui.

Per ulteriori informazioni su come eseguire le query, vedi Eseguire una query interattiva.

bq

1. Nella console Google Cloud, attiva Cloud Shell.

   Attiva Cloud Shell

2. Per creare il set di dati, esegui Comando bq mk:

   bq mk --dataset --location=us PROJECT_ID:tf_models_tutorial
   

   Sostituisci PROJECT_ID con l'ID progetto.

Genera e carica un modello in Cloud Storage

Per istruzioni più dettagliate sulla generazione di incorporamenti di testo utilizzando Per i modelli TensorFlow, consulta Blocco note di Colab. Altrimenti, seleziona uno dei seguenti modelli:

NNLM

1. Installa il Raccolta bigquery-ml-utils utilizzando pip:

   pip install bigquery-ml-utils
   

2. Generare un modello NNLM. Il codice Python seguente carica un modello NNLM da TensorFlow Hub e lo prepara BigQuery:

   from bigquery_ml_utils import model_generator
   
   # Establish an instance of TextEmbeddingModelGenerator.
   text_embedding_model_generator = model_generator.TextEmbeddingModelGenerator()
   
   # Generate an NNLM model.
   text_embedding_model_generator.generate_text_embedding_model('nnlm', OUTPUT_MODEL_PATH)
   

   Sostituisci OUTPUT_MODEL_PATH con un percorso a un indirizzo locale in cui archiviare temporaneamente il modello.

3. (Facoltativo) Stampa la firma del modello generato:

   import tensorflow as tf
   
   reload_embedding_model = tf.saved_model.load(OUTPUT_MODEL_PATH)
   print(reload_embedding_model.signatures["serving_default"])
   

4. Per copiare il modello generato dalla cartella locale in un nel bucket Cloud Storage, utilizza Google Cloud CLI:

   gcloud storage cp OUTPUT_MODEL_PATH gs://BUCKET_PATH/nnlm_model --recursive
   

   Sostituisci BUCKET_PATH con il nome del Bucket Cloud Storage in cui stai copiando il modello.

Ruota

1. Installa il Raccolta bigquery-ml-utils utilizzando pip:

   pip install bigquery-ml-utils
   

2. Genera un modello SWIVEL. Il seguente codice Python carica un modello SWIVEL da TensorFlow Hub e lo prepara BigQuery:

   from bigquery_ml_utils import model_generator
   
   # Establish an instance of TextEmbeddingModelGenerator.
   text_embedding_model_generator = model_generator.TextEmbeddingModelGenerator()
   
   # Generate a SWIVEL model.
   text_embedding_model_generator.generate_text_embedding_model('swivel', OUTPUT_MODEL_PATH)
   

   Sostituisci OUTPUT_MODEL_PATH con un percorso a un indirizzo locale in cui archiviare temporaneamente il modello.

3. (Facoltativo) Stampa la firma del modello generato:

   import tensorflow as tf
   
   reload_embedding_model = tf.saved_model.load(OUTPUT_MODEL_PATH)
   print(reload_embedding_model.signatures["serving_default"])
   

4. Per copiare il modello generato dalla cartella locale in un nel bucket Cloud Storage, utilizza Google Cloud CLI:

   gcloud storage cp OUTPUT_MODEL_PATH gs://BUCKET_PATH/swivel_model --recursive
   

   Sostituisci BUCKET_PATH con il nome del Bucket Cloud Storage in cui stai copiando il modello.

BERT

1. Installa il Raccolta bigquery-ml-utils utilizzando pip:

   pip install bigquery-ml-utils
   

2. Generare un modello BERT. Il seguente codice Python carica un modello BERT da TensorFlow Hub e lo prepara BigQuery:

   from bigquery_ml_utils import model_generator
   
   # Establish an instance of TextEmbeddingModelGenerator.
   text_embedding_model_generator = model_generator.TextEmbeddingModelGenerator()
   
   # Generate a BERT model.
   text_embedding_model_generator.generate_text_embedding_model('bert', OUTPUT_MODEL_PATH)
   

   Sostituisci OUTPUT_MODEL_PATH con un percorso a un indirizzo locale in cui archiviare temporaneamente il modello.

3. (Facoltativo) Stampa la firma del modello generato:

   import tensorflow as tf
   
   reload_embedding_model = tf.saved_model.load(OUTPUT_MODEL_PATH)
   print(reload_embedding_model.signatures["serving_default"])
   

4. Per copiare il modello generato dalla cartella locale in un nel bucket Cloud Storage, utilizza Google Cloud CLI:

   gcloud storage cp OUTPUT_MODEL_PATH gs://BUCKET_PATH/bert_model --recursive
   

   Sostituisci BUCKET_PATH con il nome del Bucket Cloud Storage in cui stai copiando il modello.

Carica il modello in BigQuery

Seleziona uno dei seguenti modelli:

NNLM

Utilizza la Dichiarazione CREATE MODEL:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, inserisci la seguente istruzione:

   CREATE OR REPLACE MODEL tf_models_tutorial.nnlm_model
   OPTIONS (
     model_type = 'TENSORFLOW',
     model_path = 'gs://BUCKET_NAME/nnlm_model/*');
   

   Sostituisci BUCKET_NAME con il nome del bucket creato in precedenza.

3. Fai clic su Esegui.

Per ulteriori informazioni su come eseguire le query, vedi Eseguire una query interattiva.

Ruota

Utilizza la Dichiarazione CREATE MODEL:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, inserisci la seguente istruzione:

   CREATE OR REPLACE MODEL tf_models_tutorial.swivel_model
   OPTIONS (
     model_type = 'TENSORFLOW',
     model_path = 'gs://BUCKET_NAME/swivel_model/*');
   

   Sostituisci BUCKET_NAME con il nome del bucket creato in precedenza.

3. Fai clic su Esegui.

Per ulteriori informazioni su come eseguire le query, vedi Eseguire una query interattiva.

BERT

Per caricare il modello BERT in BigQuery, importa BERT di un modello in Vertex AI, eseguire il deployment del modello l'endpoint Vertex AI, creare una connessione per creare un modello remoto in BigQuery.

Per importare il modello BERT in Vertex AI, segui questi passaggi:

1. Nella console Google Cloud, vai a Vertex AI Pagina Model registry.

   Vai al registro dei modelli

2. Fai clic su Importa, quindi procedi nel seguente modo:

   • In Nome, inserisci BERT.
   • In Regione, selezionane una che corrisponda alla tua regione del bucket Cloud Storage.

3. Fai clic su Continua, quindi:

   • Per Versione framework modello, seleziona 2.8.
   • In Posizione artefatto modello, inserisci il percorso Bucket Cloud Storage in cui hai archiviato il file del modello. Per ad esempio gs://BUCKET_PATH/bert_model.

4. Fai clic su Importa. Al termine dell'importazione, il modello viene visualizzato della pagina Model registry.

Per eseguire il deployment del modello BERT su un endpoint Vertex AI e connetterlo a BigQuery, segui questi passaggi:

1. Nella console Google Cloud, vai a Vertex AI Pagina Model registry.

   Vai al registro dei modelli

2. Fai clic sul nome del modello.

3. Fai clic su Esegui il deployment e test.

4. Fai clic su Esegui il deployment nell'endpoint.

5. In Nome endpoint, inserisci bert_model_endpoint.

6. Fai clic su Continua.

7. Seleziona le risorse di computing.

8. Fai clic su Esegui il deployment.

9. Crea una connessione alle risorse Cloud BigQuery e concedere l'accesso all'account di servizio della connessione.

Per creare un modello remoto basato sull'endpoint Vertex AI, utilizza la Dichiarazione CREATE MODEL:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, inserisci la seguente istruzione:

   CREATE OR REPLACE MODEL tf_models_tutorial.bert_model
   INPUT(content STRING)
   OUTPUT(embedding ARRAY<FLOAT64>)
   REMOTE WITH CONNECTION `PROJECT_ID.CONNECTION_LOCATION.CONNECTION_ID`
   OPTIONS (
     ENDPOINT = "https://ENDPOINT_LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/ENDPOINT_LOCATION/endpoints/ENDPOINT_ID");
   

   Sostituisci quanto segue:

   • PROJECT_ID: ID progetto
   • CONNECTION_LOCATION: la posizione del tuo Connessione BigQuery
   • CONNECTION_ID: l'ID del tuo Connessione BigQuery

     Quando visualizzi i dettagli della connessione nella console Google Cloud, questo è il valore riportato nell'ultima sezione l'ID connessione completo mostrato ID connessione, ad esempio projects/myproject/locations/connection_location/connections/myconnection

   • ENDPOINT_LOCATION: la posizione del tuo l'endpoint Vertex AI. Ad esempio: "us-central1".
   • ENDPOINT_ID: l'ID del modello endpoint

3. Fai clic su Esegui.

Per ulteriori informazioni su come eseguire le query, vedi Eseguire una query interattiva.

Genera incorporamenti di testo

In questa sezione, utilizzi Funzione di inferenza di ML.PREDICT() per generare incorporamenti di testo della colonna review dal set di dati pubblico bigquery-public-data.imdb.reviews. La la query limita la tabella a 500 righe per ridurre la quantità di dati elaborati.

NNLM

SELECT
  *
FROM
  ML.PREDICT(
    MODEL `tf_models_tutorial.nnlm_model`,
    (
    SELECT
      review AS content
    FROM
      `bigquery-public-data.imdb.reviews`
    LIMIT
      500)
  );

Il risultato è simile al seguente:

+-----------------------+----------------------------------------+
| embedding             | content                                |
+-----------------------+----------------------------------------+
|  0.08599445223808289  | Isabelle Huppert must be one of the... |
| -0.04862852394580841  |                                        |
| -0.017750458791851997 |                                        |
|  0.8658871650695801   |                                        |
| ...                   |                                        |
+-----------------------+----------------------------------------+

Ruota

SELECT
  *
FROM
  ML.PREDICT(
    MODEL `tf_models_tutorial.swivel_model`,
    (
    SELECT
      review AS content
    FROM
      `bigquery-public-data.imdb.reviews`
    LIMIT
      500)
  );

Il risultato è simile al seguente:

+----------------------+----------------------------------------+
| embedding            | content                                |
+----------------------+----------------------------------------+
|  2.5952553749084473  | Isabelle Huppert must be one of the... |
| -4.015787601470947   |                                        |
|  3.6275434494018555  |                                        |
| -6.045154333114624   |                                        |
| ...                  |                                        |
+----------------------+----------------------------------------+

BERT

SELECT
  *
FROM
  ML.PREDICT(
    MODEL `tf_models_tutorial.bert_model`,
    (
    SELECT
      review AS content
    FROM
      `bigquery-public-data.imdb.reviews`
    LIMIT
      500)
  );

Il risultato è simile al seguente:

+--------------+---------------------+----------------------------------------+
| embedding    | remote_model_status | content                                |
+--------------+---------------------+----------------------------------------+
| -0.694072425 | null                | Isabelle Huppert must be one of the... |
|  0.439208865 |                     |                                        |
|  0.99988997  |                     |                                        |
| -0.993487895 |                     |                                        |
| ...          |                     |                                        |
+--------------+---------------------+----------------------------------------+

Esegui la pulizia

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività in questo documento, quando lo elimini elimini anche qualsiasi altro lavoro svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

1. Nella console Google Cloud, vai alla pagina Gestisci risorse.

   Vai a Gestisci risorse

2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
3. Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.