Gestione dei modelli BigQuery ML in Vertex AI

Puoi registrare i modelli BigQuery ML con Vertex AI Model Registry, per gestirli insieme i modelli Vertex AI senza la necessità di esportarli. 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 familiarità con Vertex AI e come si integra 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 tuoi modelli BigQuery ML da Vertex AI Model Registry, consulta Introduzione a Vertex AI Model Registry.

Prerequisiti

Per registrare i modelli BigQuery ML 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 eseguire questa operazione utilizzando API e Services nella console Google Cloud oppure eseguendo quanto segue 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 sui ruoli e autorizzazioni, 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 comando seguente per concedere il ruolo Vertex AI Administrator a un account utente:

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

Registra i 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 vengono visualizzati automaticamente in Model Registry una volta completato l'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 ancora visualizzati all'interfaccia utente di BigQuery, indipendentemente dal fatto che registrati in Model Registry.

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 specificare un ID modello Vertex AI, BigQuery ML viene usato l'ID modello. In questo caso, assicurati che l'ID modello BigQuery ML è anche minuscolo. Per visualizzare un elenco completo dei requisiti per gli ID modello, consulta 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 indicare 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 operano in modo simile ai tag Docker o ai rami in Git.

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

Registra più versioni dei modelli BigQuery ML

Se vuoi creare una nuova versione di una versione esistente di BigQuery ML un modello e lo confronta con altri in Model Registry, devi specificare un ID modello BigQuery ML diverso quando crei il modello e quindi registrarlo nel modello originale ID modello Model Registry.

Se crei o sostituisci un modello BigQuery ML e utilizzi un l'ID modello BigQuery ML già associati a un modello in Model Registry, la versione esistente del modello Model Registry viene eliminata sostituito 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 Comando bq update e specificare 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 solo in un model_id nella sezione registro dei modelli.

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 campi Parametri della richiesta e 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 Model Registry, non puoi modificare VERTEX_AI_MODEL_ID valore. 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, e poi useremo l'istruzione ALTER MODEL per registrare nuovo modello con un nuovo valore VERTEX_AI_MODEL_ID.

Considerazioni sulla località

Se registri un modello BigQuery ML multiregionale Model Registry, il modello diventa un modello a livello di regione in Vertex AI. Un modello multiregionale degli Stati Uniti di BigQuery ML viene sincronizzato con Vertex AI (us-central1) e un Il modello UE multiregionale di BigQuery ML è sincronizzato con Vertex AI (europe-west4). Per i modelli a regione singola, non sono modifiche.

Per informazioni su come aggiornare le località dei modelli, consulta Scelta della località.

Eliminare i modelli BigQuery ML dal Registry dei modelli

Per eliminare un modello BigQuery ML Model Registry, elimina il modello in BigQuery ML. Il modello viene automaticamente rimosso registro dei modelli.

Esistono diversi modi per eliminare un modello BigQuery ML. Per Per saperne di più, 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.