Esportazione di metadati e annotazioni da un set di dati

Vertex AI consente di esportare i metadati e i set di annotazioni da una risorsa Dataset. Questa funzionalità può essere utile se vuoi conservare un record di una raccolta specifica di modifiche, aggiunte o eliminazioni delle annotazioni.

Quando esporti un Dataset, Vertex AI crea uno o più file Righe JSON contenenti i metadati e le annotazioni di Dataset e li salva in una directory Cloud Storage a tua scelta.

Puoi esportare risorse Dataset di immagini, testo e video. Non puoi esportare le risorse Dataset tabulari.

L'esportazione di un Dataset non crea copie aggiuntive dei dati dell'immagine, del testo o dei video su cui si basa il tuo Dataset. I file JSON Lines creati dai processi di esportazione includono gli URI Cloud Storage originali dei tuoi dati che hai specificato al momento dell'importazione dei dati in Dataset.

Esporta un Dataset utilizzando la console Google Cloud o l'API

Puoi utilizzare la console Google Cloud o l'API Vertex AI per esportare un Dataset. Segui i passaggi nella scheda corrispondente:

Console

  1. Nella console Google Cloud, nella sezione Vertex AI, vai alla pagina Set di dati.

    Vai alla pagina Set di dati

  2. Nell'elenco a discesa Regione, seleziona la località in cui è archiviato Dataset.

  3. Trova la riga di Dataset. Puoi esportare metadati e annotazioni per tutti i set di annotazioni o per un set di annotazioni specifico:

    • Se vuoi esportare metadati e annotazioni per tutti i set di annotazioni di Dataset, fai clic su Mostra altro e poi su Esporta set di dati.

      Questo indica a Vertex AI di creare un set di file JSON Lines per ogni set di annotazioni.

    • Se vuoi esportare metadati e annotazioni per un set di annotazioni specifico,segui questi passaggi:

      1. Fai clic su Espandi nodo per visualizzare le righe per ogni set di annotazioni di Dataset.

      2. Nella riga del set di annotazioni che vuoi esportare, fai clic su Mostra altro , poi su Esporta set di annotazioni.

      Questo indica a Vertex AI di creare un set di file JSON Lines per il set di annotazioni specificato.

  4. Nella finestra di dialogo Esporta dati, inserisci una directory Cloud Storage in cui vuoi che Vertex AI salvi i file JSON Lines esportati. Fai clic su Esporta.

REST

Recupera l'ID di Dataset

Per esportare un Dataset, devi conoscere l'ID numerico del Dataset. Se conosci il nome visualizzato di Dataset, ma non l'ID, espandi la sezione seguente per scoprire come ottenere l'ID utilizzando l'API:

Recupera l'ID di un set di dati dal nome visualizzato

Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:

  • LOCATION: la posizione in cui è archiviato Dataset. Ad esempio: us-central1.

  • PROJECT_ID: il tuo ID progetto.

  • DATASET_DISPLAY_NAME: il nome visualizzato di Dataset.

Metodo HTTP e URL: 

GET https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets?filter=displayName=DATASET_DISPLAY_NAME

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Esegui questo comando: 

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets?filter=displayName=DATASET_DISPLAY_NAME"

PowerShell

Esegui questo comando: 

$cred = gcloud auth application-default print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets?filter=displayName=DATASET_DISPLAY_NAME" | Select-Object -Expand Content

La seguente risposta di esempio è stata troncata con ... per mettere in evidenza dove puoi trovare l'ID di Dataset: è il numero che sostituisce DATASET_ID.

{
  "datasets": [
    {
      "name": "projects/PROJECT_NUMBER/locations/LOCATION/datasets/DATASET_ID",
      "displayName": "DATASET_DISPLAY_NAME",
      ...
    }
  ]
}

In alternativa, puoi recuperare l'ID di Dataset dalla console Google Cloud: Vai alla pagina Set di dati di Vertex AI e trova il numero nella colonna ID.

Vai alla pagina Set di dati

Esporta uno o più set di annotazioni

Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:

  • LOCATION: la posizione in cui è archiviato Dataset. Ad esempio: us-central1.

  • PROJECT_ID: il tuo ID progetto.

  • DATASET_ID: l'ID numerico del valore Dataset.

  • EXPORT_DIRECTORY: URI Cloud Storage (che inizia con gs://) di una directory in cui vuoi che Vertex AI salvi i file JSON Lines esportati. Deve trovarsi in un bucket Cloud Storage a cui hai accesso, ma la directory non deve ancora esistere.

  • FILTER: una stringa di filtro che determina quali set di annotazioni vengono esportati.

    • Se vuoi esportare metadati e annotazioni per tutti i set di annotazioni di Dataset, sostituisci FILTER con una stringa vuota (oppure ometti completamente il campo annotationsFilter dal corpo della richiesta). Questo indica a Vertex AI di creare un set di file JSON Lines per ogni set di annotazioni.

    • Se vuoi esportare metadati e annotazioni per un set di annotazioni specifico, sostituisci FILTER con quanto segue:

      labels.aiplatform.googleapis.com/annotation_set_name=ANNOTATION_SET_ID

      Questo indica a Vertex AI di creare un set di file JSON Lines per il set di annotazioni con ID numerico ANNOTATION_SET_ID.

      Per trovare l'ID numerico del set di annotazioni che vuoi specificare, visualizza il set di annotazioni nella console Google Cloud e cerca il valore dopo annotationSetId nell'URL.

Metodo HTTP e URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID:export

Corpo JSON della richiesta: 

{
  "exportConfig": {
    "gcsDestination": {
      "outputUriPrefix": "EXPORT_DIRECTORY"
    },
    "annotationsFilter": "FILTER"
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json ed esegui questo comando: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID:export"

PowerShell

Salva il corpo della richiesta in un file denominato request.json ed esegui questo comando: 

$cred = gcloud auth application-default print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID:export" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION/datasets/DATASET_ID/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.ExportDataOperationMetadata",
    "genericMetadata": {
      "createTime": "2021-02-17T00:54:58.827429Z",
      "updateTime": "2021-02-17T00:54:58.827429Z"
    },
    "gcsOutputDirectory": "EXPORT_DIRECTORY/export-data-DATASET_DISPLAY_NAME-2021-02-17T00:54:58.734772Z"
  }
}

Alcune richieste avviano operazioni a lunga esecuzione il cui completamento richiede tempo. Queste richieste restituiscono un nome dell'operazione che puoi utilizzare per visualizzare lo stato dell'operazione o annullarla. Vertex AI offre metodi helper per effettuare chiamate su operazioni a lunga esecuzione. Per ulteriori informazioni, vedi Operazioni con le operazioni a lunga esecuzione.

Spiegazione dei file esportati

All'interno della directory di esportazione specificata nella sezione precedente, Vertex AI crea una nuova directory etichettata con il nome visualizzato di Dataset e un timestamp; ad esempio, export-data-DATASET_DISPLAY_NAME-2021-02-17T00:54:58.734772Z. All'interno di questa directory, puoi trovare una sottodirectory per ogni set di annotazioni esportato.

Per ogni set di annotazioni, puoi trovare uno o più file JSON Lines. Ogni riga di ciascun file JSON Lines rappresenta un elemento di dati del set di annotazioni. Ogni elemento di dati può contenere i metadati e le annotazioni che hai specificato al momento dell'importazione dei dati in Vertex AI, nonché i metadati e le annotazioni che hai aggiunto dopo l'importazione dei dati. Ad esempio, se hai richiesto l'etichettatura dei dati per Dataset o se hai aggiunto manualmente etichette o annotazioni a Dataset nella console Google Cloud, queste informazioni vengono incluse nei file esportati.

Se esporti più set di annotazioni, gli stessi elementi di dati potrebbero essere presenti in più file JSON Lines. Ad esempio, se esporti un'immagine Dataset con più set di annotazioni, un file JSON Lines potrebbe contenere un elemento di dati con un'annotazione di classificazione con singola etichetta; un altro file JSON Lines per un altro set di annotazioni potrebbe contenere lo stesso elemento di dati, ma con un'annotazione di rilevamento degli oggetti.

Il formato dei file esportati corrisponde a quello dei file di importazione delle righe JSON che puoi utilizzare per importare dati in Vertex AI. Questo formato dipende dal tipo di dati (immagine, tabulari, testo, video) e dall'obiettivo (ad esempio monitoraggio di oggetti, estrazione delle entità o classificazione). Ad esempio, se esporti un set di annotazioni per la classificazione delle immagini con etichetta singola, ogni riga di ogni file JSON Lines viene formattata in base al gs://google-cloud-aiplatform/schema/dataset/ioformat/image_classification_single_label_io_format_1.0.0.yaml file di schema, come descritto in Preparazione dei dati immagine.

Per saperne di più sui diversi formati di righe JSON per tipi diversi di set di annotazioni, consulta le seguenti guide:

Passaggi successivi