Introduzione a Vertex AI Model Registry

Vertex AI Model Registry è un repository centrale in cui puoi gestire il ciclo di vita dei modelli ML. Da Model Registry, hai una panoramica dei tuoi modelli per organizzare, monitorare e addestrare nuove versioni. Quando vuoi eseguire il deployment della versione del modello, puoi assegnarlo a un endpoint direttamente dal registry o utilizzando alias, eseguire il deployment dei modelli su un endpoint.

Vertex AI Model Registry supporta i modelli personalizzati e Tipi di dati AutoML: testo, tabulari, immagine e video. La registro dei modelli possono anche supportare i modelli BigQuery ML. Se hai modelli addestrati in in BigQuery ML, puoi registrarli registro dei modelli.

Dalla pagina dei dettagli della versione del modello puoi valutare, eseguire il deployment su un endpoint configurare la previsione batch e visualizzare i dettagli specifici del modello. Vertex AI Model Registry offre un'interfaccia semplice e intuitiva per la gestione e il deployment i modelli migliori in produzione.

Flusso di lavoro comune

Esistono molti flussi di lavoro validi per l'uso di Model Registry. Per iniziare, ti consigliamo di seguire queste linee guida per capire cosa puoi nel registro dei modelli e in quale fase del percorso di addestramento del modello.

  • Importare modelli in Model Registry.
  • Creare nuovi modelli, assegnare a una versione del modello l'alias predefinito, pronto per la produzione.
  • Aggiungi altri alias o etichette per gestire e organizzare i modelli e le relative versioni.
  • Eseguire il deployment dei tuoi modelli su un endpoint.
  • Eseguire una previsione batch e avviare la pipeline di valutazione del modello.
  • Visualizza i dettagli del modello e le metriche delle prestazioni dalla pagina dei dettagli del modello.

Per saperne di più su come integrare i tuoi modelli BigQuery ML con Vertex AI, consulta Documentazione di BigQuery ML.

Cerca e scopri modelli utilizzando il servizio Data Catalog di Dataplex

Il servizio Data Catalog di Dataplex è un servizio completamente gestito e scalabile di gestione dei metadati che fornisce una posizione centralizzata in cui cercare per i modelli in progetti e regioni diverse.

Per maggiori dettagli, vedi Utilizza Data Catalog per cercare risorse di modelli e set di dati.

Passaggi successivi