训练和使用您自己的模型

本页面简要介绍了用于在 Vertex AI 上训练和使用您自己的模型的工作流。Vertex AI 提供两种模型训练方法：

• AutoML：只需极少的技术知识和工作量即可创建和训练模型。如需详细了解 AutoML，请参阅 AutoML 新手指南。
• 自定义训练：使用任何机器学习框架大规模创建和训练模型。如需详细了解 Vertex AI 上的自定义训练，请参阅自定义训练概览。

如需有关如何决定使用上述哪个方法的帮助，请参阅选择训练方法。

AutoML

机器学习 (ML) 模型使用训练数据来学习如何针对未用于训练模型的数据推断结果。借助 Vertex AI 上的 AutoML，您可以根据您提供的训练数据构建无代码模型。

您可以使用 AutoML 构建的模型类型

您可以构建的模型类型取决于您拥有的数据类型。Vertex AI 会为以下数据类型和模型目标提供 AutoML 解决方案：

数据类型	支持的目标
图片数据	分类、对象检测。
视频数据	操作识别、分类、对象跟踪。
文本数据	分类、实体提取、情感分析
表格数据	分类/回归、预测。

注意：如果您有机器学习设置方面的问题且需要 Google 数据科学家的帮助，请与您的 Google 客户经理联系。

无论数据类型或目标如何，用于训练和使用 AutoML 模型的工作流都是相同的：

1. 准备训练数据。
2. 创建数据集。
3. 训练模型。
4. 评估和迭代模型。
5. 从模型获取预测结果。
6. 解读预测结果。

图片数据

AutoML 使用机器学习来分析图片数据的内容。您可以使用 AutoML 训练机器学习模型，以对图片进行分类或查找图片数据中的对象。

利用 Vertex AI，您可以通过基于图片的模型进行在线预测和批量预测。在线预测是指向模型端点发出同步请求。如果您要发出请求以响应应用输入，或者在其他需要及时推断的情况下，可以使用在线预测。批量预测是异步请求。您可以直接从模型资源请求批量预测，而无需将模型部署到端点。对于图片数据，如果您不需要获得即时响应并且希望通过一个请求处理累积数据，则可以使用批量预测。

对图片进行分类

分类模型会分析图片数据，并返回适用于图片的内容类别列表。例如，您可以训练一个模型，将图片分类为包含猫或不包含猫，也可以训练一个模型，将狗图片按品种分类。

文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

如需查看有关如何在更全面的工作流中训练图片分类模型并获取批量预测的示例，请在以下任一环境中运行“适用于批量预测的 AutoML 训练图片分类模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

对图片进行对象检测

对象检测模型会分析图片数据，并为在图片中找到的所有对象返回注解，其中包含每个对象的标签和边界框位置。例如，您可以训练一个模型，找到图片数据中猫的位置。

文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

如需查看有关如何训练对象检测模型并获取更全面工作流一部分的在线预测的示例，请在以下任一环境中运行“用于在线预测的 AutoML 训练图片对象检测模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

如需查看有关如何训练对象检测模型并获取更全面工作流一部分的批量预测示例，请在以下任一环境中运行“用于批量预测的 AutoML 训练图片对象检测模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

表格数据

利用 Vertex AI，您可以通过简单的流程和界面使用表格数据执行机器学习。您可以为表格数据问题创建以下模型类型：

• 二元分类模型可预测二元结果（二者选一）。此模型类型用于是非问题。例如，您可能想要构建一个二元分类模型来预测客户是否会购买订阅。一般而言，二元分类问题所需的数据比其他模型类型少。
• 多类别分类模型可从三个或更多个互不关联的类别中预测一个类别。使用此模型类型进行分类。例如，作为零售商，您可能希望构建一个多类别分类模型来将客户划分为不同的角色。
• 回归模型可预测连续值。例如，作为零售商，您可能希望构建一个回归模型来预测客户下个月的支出。
• 预测模型可预测一系列值。例如，作为零售商，您可能希望预测未来 3 个月的产品每日需求，以便提前备妥适当数量的商品库存。

如需了解详情，请参阅表格数据概览。

如果您的表格数据存储在 BigQuery ML 中，则可以直接在 BigQuery ML 中训练 AutoML 表格模型。如需了解详情，请参阅 AutoML 表格参考文档。

文本数据

AutoML 使用机器学习来分析文本数据的结构和含义。您可以使用 AutoML 训练机器学习模型，对文本数据进行分类、提取信息或了解作者的情感。

利用 Vertex AI，您可以通过基于文本的模型进行在线预测和批量预测。在线预测是指向模型端点发出同步请求。如果您要发出请求以响应应用输入，或者在其他需要及时推断的情况下，可以使用在线预测。批量预测是异步请求。您可以直接从模型资源请求批量预测，而无需将模型部署到端点。对于文本数据，如果您不需要获得即时响应并且希望通过一个请求处理累积数据，则可以使用批量预测。

对文本进行分类

分类模型会分析文本数据，并返回适用于数据中找到的文本的类别列表。Vertex AI 提供单标签和多标签文本分类模型。

文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

如需查看如何在更全面的工作流中创建、训练和部署文本分类模型的示例，请在以下任一环境中运行“创建、训练和部署 AutoML 文本分类模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

对文本进行实体提取

实体提取模型会检查数据中引用的已知实体的文本数据，并对文本中的这些实体添加标签。

文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

如需查看示例，了解如何训练实体提取模型并在更全面的工作流中完成在线预测，请在以下任一环境中运行“AutoML 训练文本实体提取模型以进行在线预测”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

如需查看示例，了解如何训练实体提取模型并在更全面的工作流中获取批量预测结果，请在以下任一环境中运行“AutoML 训练文本实体提取模型以进行批量预测”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

对文本进行情感分析

情感分析模型会检查文本数据并确定其中的主导性情绪状态，尤其是确定作者的态度是积极、消极还是中立的。

文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

如需查看示例，了解如何训练情感分析模型并在更全面的工作流中执行在线预测，请在以下任一环境中运行“训练 AutoML 文本情感分析模型以进行在线预测”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

如需查看示例，了解如何训练情感分析模型并在更全面的工作流中完成批量预测，请在以下任一环境中运行“用于批量预测的 AutoML 训练文本情感分析模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

视频数据

AutoML 使用机器学习来分析视频数据，以便对镜头和片段进行分类，或检测和跟踪视频数据中的多个对象。

对视频进行动作识别

动作识别模型会分析视频数据，并返回分类的动作和动作发生的时刻的列表。例如，您可以训练一个模型来分析视频数据，以识别足球进球、高尔夫挥杆、触地得分或击掌的动作瞬间画面。

文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

如需查看有关如何在更全面的工作流中训练动作识别模型的示例，请在以下任一环境中运行“适用于批量预测的 AutoML 训练视频动作识别模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

对视频进行分类

分类模型会分析视频数据，并返回分类镜头和片段的列表。例如，您可以训练一个模型来分析视频数据，以识别视频是棒球、足球、篮球还是橄榄球比赛。

文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

如需查看有关如何在更全面的工作流中训练视频分类模型的示例，请在以下任一环境中运行“适用于批量预测的 AutoML 训练视频分类模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

对视频进行对象跟踪

对象跟踪模型会分析视频数据，并返回检测到这些对象的镜头和片段列表。例如，您可以训练一个模型来分析足球比赛的视频数据以识别并跟踪球。

文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

如需查看有关如何在更全面的工作流中训练对象跟踪模型的示例，请在以下任一环境中运行“适用于批量预测的 AutoML 训练视频对象跟踪模型”Jupyter 笔记本：

在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Vertex AI Workbench 用户管理的笔记本中打开 | 在 GitHub 上查看

自定义训练

如果所有 AutoML 解决方案都不能满足您的需求，您还可以创建自己的训练应用，并使用它在 Vertex AI 上训练自定义模型。您可以使用所需的任何机器学习框架，并配置要用于训练的计算资源，包括：

• 虚拟机的类型和数量。
• 图形处理器 (GPU)。
• 张量处理单元 (TPU)。
• 启动磁盘的类型和大小。

如需详细了解 Vertex AI 上的自定义训练，请参阅自定义训练概览。