创建和管理模型

注意：AutoML API 和 Cloud Translation 高级版 API (v3) 都提供 AutoML Translation 功能。建议您使用 Cloud Translation API 创建数据集和模型，因为未来的所有增强功能都将仅针对 Cloud Translation API 推出。如果您已有 AutoML 资源，升级这些资源即可使用 Cloud Translation API。如需了解详情，请参阅升级 AutoML 资源。

使用准备好的数据集创建自定义模型。AutoML Translation 会使用数据集中的句对来训练、测试和评估新模型。

注意：自定义模型在一个定期升级的代管式平台上运行。自定义模型必须至少每 18 个月重新训练一次，以确保翻译在一段时间内保持一致的性能和稳定性，以及获得自初始训练以来的升级所带来的任何好处。

训练模型

如果您的数据集已有足够的句对，便可以基于该数据集创建自定义模型。

网页界面

1. 进入 AutoML Translation 控制台。

   进入“翻译”页面

2. 在导航窗格中，点击数据集以查看数据集列表。

3. 点击要用于训练自定义模型的数据集。

   控制台会显示数据集中的句对及其各自的标签：Training、Validation 或 Testing。

4. 查看完数据集后，点击训练标签页。

5. 点击开始训练以打开训练新模型对话框。

6. 为模型指定名称。

7. 点击开始训练以开始训练自定义模型。

   训练模型可能需要几个小时才能完成。您可以通过查看近期活动来检查训练状态。

REST

在使用任何请求数据之前，请先进行以下替换：

• PROJECT_ID：您的 Google Cloud 项目 ID。
• LOCATION：模型所在的区域，例如 us-central1。源数据集也必须位于同一位置。
• MODEL_NAME：模型的名称。
• DATASET_ID：Cloud Translation 用于创建模型的源数据集的 ID。

HTTP 方法和网址：

POST https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models

请求 JSON 正文：

{
  "display_name": "MODEL_NAME",
  "dataset": "projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID",
}

如需发送您的请求，请展开以下选项之一：

curl（Linux、macOS 或 Cloud Shell）

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

将请求正文保存在名为 request.json 的文件中，然后执行以下命令：

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 @request.json \
     "https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models"

PowerShell (Windows)

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

将请求正文保存在名为 request.json 的文件中，然后执行以下命令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_ID" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models" | Select-Object -Expand Content

您应该收到类似以下内容的 JSON 响应：

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION/operations/OPERATION_ID"
}

其他语言

C#：请按照客户端库页面上的 C# 设置说明操作，然后访问 .NET 版 Cloud Translation 参考文档。

PHP：请按照客户端库页面上的 PHP 设置说明操作，然后访问 PHP 版 Cloud Translation 参考文档。

Ruby：请按照客户端库页面上的 Ruby 设置说明操作，然后访问 Ruby 版 Cloud Translation 参考文档。

获取训练作业的状态

您可以使用 Google Cloud 控制台或 Cloud Translation API 检查长时间运行的任务（如模型训练任务）的状态。

网页界面

您可以在近期活动窗格中监控训练作业状态。

1. 进入 AutoML Translation 控制台。

   进入“翻译”页面

2. 在导航窗格中，点击数据集。

3. 在操作栏中，点击查看近期活动。

   找到相关的 CreateModel 操作。操作 ID 旁边的图标指示操作的当前状态。

REST

如需获取训练操作的状态，请向 operations 资源发送 GET 请求以及在您提交训练请求后收到的响应中包含的操作 ID。

在使用任何请求数据之前，请先进行以下替换：

• PROJECT_NUMBER_OR_ID：您的 Google Cloud 项目的数字或字母数字 ID
• location-id：您为 Cloud Storage 存储分区选择的位置
• operation-id：您在上面收到的操作 ID

HTTP 方法和网址：

GET https://translation.googleapis.com/v3/projects/PROJECT_NUMBER_OR_ID/locations/location-id/operations/operation-id

如需发送您的请求，请展开以下选项之一：

curl（Linux、macOS 或 Cloud Shell）

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

执行以下命令：

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "x-goog-user-project: PROJECT_NUMBER_OR_ID" \
     "https://translation.googleapis.com/v3/projects/PROJECT_NUMBER_OR_ID/locations/location-id/operations/operation-id"

PowerShell (Windows)

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

执行以下命令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_NUMBER_OR_ID" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://translation.googleapis.com/v3/projects/PROJECT_NUMBER_OR_ID/locations/location-id/operations/operation-id" | Select-Object -Expand Content

您应该收到类似以下内容的 JSON 响应：

{
  "name": "projects/project-number/locations/location-id/operations/operation-id",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.translation.v3.SomeOperationMetadata",
    "state": "SUCCEEDED",
    "submitTime": "2019-11-27T22:59:40Z"
  }
}

其他语言

C#：请按照客户端库页面上的 C# 设置说明操作，然后访问 .NET 版 Cloud Translation 参考文档。

PHP：请按照客户端库页面上的 PHP 设置说明操作，然后访问 PHP 版 Cloud Translation 参考文档。

Ruby：请按照客户端库页面上的 Ruby 设置说明操作，然后访问 Ruby 版 Cloud Translation 参考文档。

获取模型的相关信息

训练完成后，您可以获取模型的相关信息，例如模型 ID。如需获取有关模型准确率和就绪情况的详细信息，请参阅评估模型。

网页界面

您可以在近期活动窗格中监控训练作业状态。

1. 如需查看可用模型的列表，请进入 AutoML Translation 控制台。

   进入“翻译”页面

2. 在导航窗格中，点击模型以查看列出模型的表。

   该表包含源语言和目标语言、BLEU 得分以及句对总数等信息。

REST

在使用任何请求数据之前，请先进行以下替换：

• PROJECT_ID：您的 Google Cloud 项目 ID。
• LOCATION：要描述的模型所在的区域，例如 us-central1。
• MODEL_ID：要描述的模型的 ID。

HTTP 方法和网址：

GET https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID

如需发送您的请求，请展开以下选项之一：

curl（Linux、macOS 或 Cloud Shell）

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

执行以下命令：

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "x-goog-user-project: PROJECT_ID" \
     "https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID"

PowerShell (Windows)

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

执行以下命令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_ID" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID" | Select-Object -Expand Content

您应该收到类似以下内容的 JSON 响应：

{
  "name": "projects/PROJECT_NUMBER/locations/us-central1/models/MODEL_ID",
  "displayName": "MODEL_DISPLAY_NAME",
  "dataset": "projects/PROJECT_NUMBER/locations/us-central1/datasets/DATASET_ID"
  "sourceLanguageCode": "SOURCE_LANG_CODE",
  "targetLanguageCode": "TARGET_LANG_CODE",
  "trainExampleCount": NUM_TRAINING_SEGMENTS,
  "validateExampleCount": NUM_VALIDATION_SEGMENTS,
  "createTime": "2022-12-02T21:53:26.788521838Z",
  "updateTime": "2022-12-03T00:42:27.946594016Z"
}

其他语言

C#：请按照客户端库页面上的 C# 设置说明操作，然后访问 .NET 版 Cloud Translation 参考文档。

PHP：请按照客户端库页面上的 PHP 设置说明操作，然后访问 PHP 版 Cloud Translation 参考文档。

Ruby：请按照客户端库页面上的 Ruby 设置说明操作，然后访问 Ruby 版 Cloud Translation 参考文档。

列出模型

列出项目中的可用模型。

网页界面

1. 如需查看可用模型的列表，请进入 AutoML Translation 控制台。

   进入“翻译”页面

2. 在导航窗格中，点击模型以查看模型列表。

REST

在使用任何请求数据之前，请先进行以下替换：

• PROJECT_ID：您的 Google Cloud 项目 ID。
• LOCATION：要列出的模型所在的区域，例如 us-central1。

HTTP 方法和网址：

GET https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models

如需发送您的请求，请展开以下选项之一：

curl（Linux、macOS 或 Cloud Shell）

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

执行以下命令：

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "x-goog-user-project: PROJECT_ID" \
     "https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models"

PowerShell (Windows)

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

执行以下命令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_ID" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models" | Select-Object -Expand Content

您应该收到类似以下内容的 JSON 响应：

{
  "models": [
    {
      "name": "projects/PROJECT_NUMBER/locations/us-central1/models/MODEL_ID",
      "displayName": "MODEL_DISPLAY_NAME",
      "dataset": "projects/PROJECT_NUMBER/locations/us-central1/datasets/DATASET_ID"
      "sourceLanguageCode": "SOURCE_LANG_CODE",
      "targetLanguageCode": "TARGET_LANG_CODE",
      "trainExampleCount": NUM_TRAINING_SEGMENTS,
      "validateExampleCount": NUM_VALIDATION_SEGMENTS,
      "createTime": "2022-12-02T21:53:26.788521838Z",
      "updateTime": "2022-12-03T00:42:27.946594016Z"
    },
    ...
  ]
}

其他语言

C#：请按照客户端库页面上的 C# 设置说明操作，然后访问 .NET 版 Cloud Translation 参考文档。

PHP：请按照客户端库页面上的 PHP 设置说明操作，然后访问 PHP 版 Cloud Translation 参考文档。

Ruby：请按照客户端库页面上的 Ruby 设置说明操作，然后访问 Ruby 版 Cloud Translation 参考文档。

删除模型

删除模型以将其从项目中移除。

网页界面

1. 如需查看可用模型的列表，请进入 AutoML Translation 控制台。

   进入“翻译”页面

2. 在导航窗格中，点击模型以查看模型列表。

3. 对于要删除的模型，选择 更多 > 删除。

4. 点击确认开始删除。

REST

在使用任何请求数据之前，请先进行以下替换：

• PROJECT_ID：您的 Google Cloud 项目 ID。
• LOCATION：要删除的模型所在的区域，例如 us-central1。
• MODEL_ID：要删除的模型的 ID。

HTTP 方法和网址：

DELETE https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID

如需发送您的请求，请展开以下选项之一：

curl（Linux、macOS 或 Cloud Shell）

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

执行以下命令：

curl -X DELETE \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "x-goog-user-project: PROJECT_ID" \
     "https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID"

PowerShell (Windows)

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

执行以下命令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_ID" }

Invoke-WebRequest `
    -Method DELETE `
    -Headers $headers `
    -Uri "https://translation.googleapis.com/v3/projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID" | Select-Object -Expand Content

您应该收到类似以下内容的 JSON 响应：

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.translation.v3.DeleteModelMetadata"
  },
  "done": true
}

其他语言

C#：请按照客户端库页面上的 C# 设置说明操作，然后访问 .NET 版 Cloud Translation 参考文档。

PHP：请按照客户端库页面上的 PHP 设置说明操作，然后访问 PHP 版 Cloud Translation 参考文档。

Ruby：请按照客户端库页面上的 Ruby 设置说明操作，然后访问 Ruby 版 Cloud Translation 参考文档。