Vertex AI Model Registry は、ML モデルのライフサイクルを管理できる中央リポジトリです。Model Registry ではモデルの概要を確認できるため、新しいバージョンの整理、追跡、トレーニングの向上が実現します。デプロイするモデル バージョンがある場合は、レジストリから直接エンドポイントに割り当てるか、エイリアスを使用してモデルをエンドポイントにデプロイすることができます。
Vertex AI Model Registry は、カスタムモデルとすべての AutoML データ型（テキスト、表形式、画像、動画）をサポートしています。Model Registry では、BigQuery ML モデルもサポートされます。BigQuery ML でトレーニングしたモデルは、BigQuery ML からエクスポートしたり、Model Registry にインポートすることなく、Model Registry に登録できます。
モデル バージョンの詳細ページでは、評価、エンドポイントへのデプロイ、バッチ予測の設定、特定のモデルの詳細の表示を行うことができます。Vertex AI Model Registry は、最適なモデルを管理して本番環境にデプロイするための、シンプルで合理化されたインターフェースを提供します。
一般的なワークフロー
Model Registry の操作には、有効なワークフローが数多くあります。まず、次のガイドラインに沿って、Model Registry でできることと、モデルのトレーニングのどの段階にあるかを理解することをおすすめします。
- モデルを Model Registry にインポートします。
- 新しいモデルを作成し、モデル バージョンにデフォルトのエイリアスを割り当てて、本番環境で使用できるようにします。
- モデルおよびモデル バージョンの管理と整理に役立つ、他のエイリアスやラベルを追加します。
- オンライン予測用のエンドポイントにモデルをデプロイします。
- バッチ予測を実行し、モデル評価パイプラインを開始します。
- モデルの詳細ページには、モデルの詳細やパフォーマンス指標が表示されます。
BigQuery ML モデルを Vertex AI と統合する方法の詳細については、BigQuery ML のドキュメントをご覧ください。
Dataplex の Data Catalog サービスを使用してモデルを検索および検出する
Dataplex の Data Catalog サービスは、フルマネージドでスケーラブルなメタデータ管理サービスであり、複数のプロジェクトとリージョンでモデルを検索するための一元化された場所を提供します。
詳細については、Data Catalog を使用してモデルとデータセットのリソースを検索するをご覧ください。
次のステップ
- Vertex AI Model Registry の使用を開始するには、以下をご覧ください。