Prova i modelli Gemini 1.5, i nostri più recenti modelli multimodali di Vertex AI, e scopri cosa puoi creare con una finestra di contesto dei token da 1 milione.Prova i modelli Gemini 1.5, i nostri più recenti modelli multimodali di Vertex AI, e scopri cosa puoi creare con una finestra di contesto dei token da 1 milione.
Configurazione dell'archivio dei metadati del progetto
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Vertex ML Metadata consente di monitorare e analizzare i metadati
prodotti dai flussi di lavoro di machine learning (ML). La prima volta che esegui un
PipelineJob o crei un esperimento nello SDK Vertex, Vertex AI crea
il MetadataStore del tuo progetto.
Se vuoi che i tuoi metadati vengano criptati utilizzando una chiave di crittografia gestita dal cliente
(CMEK), devi creare l'archivio di metadati utilizzando una CMEK prima di utilizzare Vertex ML Metadata per monitorare o analizzare i metadati.
Dopo aver creato l'archivio di metadati, la chiave CMEK utilizzata dall'archivio di metadati è indipendente dalla chiave CMEK utilizzata dai processi che registrano i metadati, ad esempio l'esecuzione di una pipeline.
Crea un archivio di metadati che utilizza una CMEK
Usa le istruzioni seguenti per creare una CMEK e configurare un archivio di metadati Vertex ML che utilizza questa CMEK.
Per inviare la richiesta, espandi una di queste opzioni:
curl (Linux, macOS o Cloud Shell)
Salva il corpo della richiesta in un file denominato request.json.
Esegui questo comando nel terminale per creare o sovrascrivere questo file nella directory attuale:
Salva il corpo della richiesta in un file denominato request.json.
Esegui questo comando nel terminale per creare o sovrascrivere questo file nella directory attuale: