为了能够轻松跟踪、共享和分析模型,Vertex AI SDK for Python 提供了一个 API,可将机器学习模型序列化到 ExperimentModel
类中,并将模型记录到 Vertex AI Experiments 中。
选择要使用的最佳模型后,您便可以将该模型从 Vertex AI Experiments 注册到 Vertex AI Model Registry。
支持的框架包括 scikit-learn、XGBoost 和 Tensorflow。
保存并记录机器学习模型
保存模型
Vertex AI SDK 提供 save_model
方法以序列化机器学习模型,将模型上传到 Cloud Storage,并将模型表示为 Vertex 机器学习元数据工件。
Python
project
:您的项目 ID。 您可以在 Google Cloud 控制台的欢迎页面中找到这些 ID。location
:请参阅可用位置列表model
(必填):机器学习模型。(Union["sklearn.base.BaseEstimator", "xgb.Booster", "tf.Module"])
artifact_id
:可选。工件的资源 ID。此 ID 在 metadataStore 中必须是全局唯一的。最多可包含 63 个字符,有效字符为[a-z0-9_-]
。第一个字符不能是数字或连字符。uri
:可选。要在其中保存模型文件的 gcs 目录。如果未提供该 URI,则系统会使用gs://default-bucket/timestamp-uuid-frameworkName-model
。如果未设置默认暂存存储桶,则系统会创建一个新的存储桶。input_example
:可选。每个模型会获取输入数据,然后生成预测。每个模型接受一种特定的输入格式(例如数字、字符串、二维数组),并会作为 yaml 文件存储在 gcs uri 中。接受列表、字典、pd.DataFrame 和 np.ndarray。列表中的值必须是标量或列表。字典中的值必须是标量、列表或 np.ndarray。(Union[list, dict, pd.DataFrame, np.ndarray])
。display_name
:工件的显示名称。
记录模型
Vertex AI SDK 还提供了一个 log_model
方法,该方法 可将 save_model
和一个额外的步骤编排在一起,以将 Vertex ML Metadata 工件记录到当前实验运行作业中。log_model
方法用于管理和分析 Vertex AI Experiments 中的多个机器学习模型。
Python
experiment_name
:提供实验的名称。 要找到实验列表,您可以在 Google Cloud 控制台的板块导航栏中选择"实验"。run_name
:指定运行作业名称。project
:您的项目 ID。 您可以在 Google Cloud 控制台的欢迎页面中找到这些 ID。location
:请参阅可用位置列表。model
:必填。机器学习模型。(Union["sklearn.base.BaseEstimator", "xgb.Booster", "tf.Module"])
uri
:可选。要在其中保存模型文件的 gcs 目录。如果未提供该 URI,则系统会使用gs://default-bucket/timestamp-uuid-frameworkName-model
。如果未设置默认暂存存储桶,则系统会创建一个新的存储桶。input_example
:可选。每个模型会获取输入数据,然后生成预测。每个模型接受一种特定的输入格式(例如数字、字符串、二维数组),并会作为 yaml 文件存储在 gcs uri 中。接受列表、字典、pd.DataFrame 和 np.ndarray。列表中的值必须是标量或列表。字典中的值必须是标量、列表或 np.ndarray。(Union[list, dict, pd.DataFrame, np.ndarray])
。display_name
:可选。工件的显示名称。
跟踪 ExperimentModel
获取实验模型
如需使用 get_experiment_model
返回已保存的模型,请向其传递已保存的模型的工件 ID。
Python
获取实验模型
get_experiment_models
方法可获取记录到特定实验运行作业的所有 ExperimentModel
的列表。
Python
获取模型信息
get_model_info
方法会返回给定 ExperimentModel
实例的模型元数据,例如模型类、框架类型。
Python
加载 ExperimentModel
加载模型
load_experiment_model
方法可帮助您将 ExperimentModel
实例反序列化回原始机器学习模型。
Python
注册 ExperimentModel
注册所保存的模型
register_experiment_model
API 能够使用最少的配置在 Vertex AI Model Registry 中注册被视为最佳的模型。该 API 会根据模型的框架和版本自动选择一个预构建的预测容器。
Python
在 Google Cloud 控制台中查看实验运行作业列表
- 在 Google Cloud 控制台中,前往实验页面。
前往“实验”
实验列表随即显示。 - 选择要检查的实验。
此时会显示运行作业列表。