Introdução ao Vertex AI Model Registry

O Vertex AI Model Registry é um repositório pesquisável em que é possível gerenciar o ciclo de vida dos seus modelos de ML. No Model Registry, você tem uma visão geral dos seus modelos para melhor organizar, rastrear e treinar novas versões. Quando houver uma versão de modelo que você gostaria de implantar, será possível atribuí-la a um endpoint diretamente do registro ou, usando aliases, implantar modelos em um endpoint.

O Vertex AI Model Registry é compatível com modelos personalizados e todos os tipos de dados do AutoML: texto, tabular, imagem e vídeo. O Model Registry também é compatível com modelos do BigQuery ML. Se você tem modelos treinados no BigQuery ML, é possível registrá-los no Model Registry.

Na página de detalhes da versão do modelo, é possível avaliar, implantar em um endpoint, configurar a previsão em lote e visualizar detalhes específicos dele. O Vertex AI Model Registry oferece uma interface simples e simplificada para gerenciar e implantar seus melhores modelos para produção.

Fluxo de trabalho comum

Há muitos fluxos de trabalho válidos para trabalhar no Model Registry. Para começar, siga as diretrizes para entender o que você pode fazer no Model Registry e em que estágio da sua jornada de treinamento do modelo.

  • Importe modelos para o Model Registry.
  • Crie novos modelos e atribua a uma versão do modelo o alias padrão, pronto para produção.
  • Adicione outros aliases ou rótulos para ajudar a gerenciar e organizar seus modelos e versões de modelo.
  • Implante seus modelos em um endpoint.
  • Executar previsão em lote e iniciar o pipeline de avaliação de modelo.
  • Veja os detalhes do seu modelo e as métricas de desempenho na página de detalhes do modelo.

Para saber mais sobre como integrar seus modelos do BigQuery ML à Vertex AI, consulte a documentação do BigQuery ML.

Pesquisar e descobrir modelos usando o serviço Data Catalog do Dataplex

O Data Catalog do Dataplex é um serviço de metadados escalonável e totalmente gerenciado que oferece um local centralizado para pesquisar modelos em vários projetos e regiões.

Para detalhes, consulte Usar o Data Catalog para pesquisar recursos de modelo e conjunto de dados.

A seguir