借助模型版本控制，您可以创建同一模型的多个版本。通过模型版本控制，您可以一种适当的方式组织模型，以便于您浏览和了解哪些更改对模型有何影响。借助 Model Registry，您可以在一个视图中查看模型及其所有版本。您可以深入分析特定模型版本，并准确了解它们的表现情况。
导入新模型版本
通过 Model Registry，您可以将模型作为现有模型的新版本导入。
控制台
- 在 Google Cloud 控制台中，进入 Model Registry 页面。
进入 Model Registry - 在页面顶部，选择导入。
- 选择作为新版本导入。
- 从下拉列表中选择要为其创建新版本的模型。添加可选的版本说明。
- 您可以酌情将此模型设置为默认版本。每当模型用于预测时，系统都会预先选择默认版本（您仍然可以选择其他版本）。
- 选择您的区域。
- 选择继续。
- 在“模型”设置中，定义您要使用的容器。您可以选择将模型工件导入到新的预构建容器中，也可以将其导入到现有的自定义容器中。如需详细了解容器，请参阅将模型导入 Vertex AI。
- 选择继续。
- 可选：为模型添加可解释性支持。
- 选择导入。
REST
在使用任何请求数据之前，请先进行以下替换：
- PROJECT_ID：项目 ID。
- LOCATION：位置。
- MODEL_DISPLAY_NAME：模型名称。
- ARTIFACT_URI：指向包含模型工件及其所有支持文件的目录的路径。
- IMAGE_URI：要用作自定义容器以提供预测结果的 Docker 映像。
- PARENT_MODEL：要将版本上传到的模型的资源名称。
HTTP 方法和网址：
POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/models:upload
请求 JSON 正文：
{
"model": {
"displayName": "MODEL_DISPLAY_NAME",
"artifactUri": "ARTIFACT_URI",
"containerSpec": {
"imageUri": "IMAGE_URI"
}
},
"parentModel": "PARENT_MODEL"
}
如需发送您的请求，请展开以下选项之一：
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。
Python
Python
训练新模型版本
您可以通过 Model Registry 训练模型的新版本。
控制台
通过 Model Registry，您可以创建现有模型的版本。如需详细了解如何在训练流水线中添加或创建模型版本，请参阅 CustomJob 和模型上传
- 在 Google Cloud 控制台中，进入 Model Registry 页面。
进入 Model Registry - 在页面顶部，选择创建。输入训练方法详情，然后选择模型训练方法。
- 点击继续。
- 在“模型详情”下，选择训练新版本选项。从下拉列表中选择要向其添加新版本的模型。添加版本的说明。点击继续。
- 在计算和价格部分，输入预算，并在准备就绪后选择开始训练。模型训练完成后，新版本会显示在 Model Registry 中。
REST
在使用任何请求数据之前，请先进行以下替换：
- TRAINING_PIPELINE_NAME：trainingPipeline 的显示名称
- TRAINING_TASK_INPUT：训练任务的参数。
- PARENT_MODEL：要将版本上传到的模型的资源名称。
HTTP 方法和网址：
POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/trainingPipelines
请求 JSON 正文：
{
"displayName": "TRAINING_PIPELINE_NAME",
"trainingTaskDefinition": "gs://google-cloud-aiplatform/schema/trainingjob/definition/custom_task_1.0.0.yaml",
"trainingTaskInputs":"TRAINING_TASK_INPUT"
},
"modelToUpload": {
"displayName": "MODEL_DISPLAY_NAME",
"containerSpec": {
"imageUri": "IMAGE_URI"
},
},
"parentModel": "PARENT_MODEL",
如需发送您的请求，请展开以下选项之一：
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。
Python
Python
如何查看模型所有版本的列表
从模型版本的详情页面中，您可以选择部署和测试模型、设置批量预测，以及根据模型类型进行评估。您还可以直接从版本详情页面查看用于训练模型版本的数据集。
控制台
在 Model Registry 中，您可以查看模型所有版本的列表。该列表有助于您快速了解模型并方便您对模型进行组织。
- 在 Google Cloud 控制台中，进入 Model Registry 页面。
进入 Model Registry - 在“名称”列下，选择具有多个版本的模型的名称。版本页面随即会打开。
- 该页面会显示所有版本及其关联版本 ID 的列表。
REST
在使用任何请求数据之前，请先进行以下替换：
- PROJECT_ID：与此模型关联的项目 ID
- LOCATION：您在其中使用 Vertex AI 的区域。
- MODEL_ID：与特定模型关联的 ID。
HTTP 方法和网址：
GET https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID
如需发送您的请求，请展开以下选项之一：
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。
Python
Python
如何查看模型版本详情
在 Model Registry 中，您可以查看模型及所有模型版本。从 Model Registry 中选择模型时，模型详情页面会显示该模型的详细信息及特定模型版本的详细信息。在详情页面上，您可以评估和测试模型版本、运行批量预测或将模型部署到端点以进行在线预测。
控制台
使用以下说明查看模型详情页面。如需查看版本详细信息，请点击版本名称。
- 在 Google Cloud 控制台中，进入 Model Registry 页面。
进入 Model Registry - 在 Vertex AI Model Registry 中，点击模型名称以打开模型详细信息页面。
- 该页面会显示所有版本及其关联版本 ID 的列表。各个模型版本会按行进行分隔；并且模型版本详细信息中会提供版本 ID、模型别名、状态、说明和标签。
- 如需查看其中一个模型版本的详细信息，请选择相应的版本 ID。“模型详情”页面随即会打开。
- 在详情页面中，您可以进行评估、部署及测试，还可以使用批量预测以及查看版本详细信息。此外，通过此页面您还可以使用 Vertex AI 模型评估来比较各个模型版本。
Python