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
从 Model Registry 中,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。
- 从下拉列表中选择此模型的新版本。添加可选的版本说明。
- (可选)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(但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:包含模型工件及其任何支持文件的目录的路径。
- IMAGE_URI:要用作执行预测的自定义容器的 Docker 映像。
- PARENT_MODEL:版本将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
您可以从 Model Registry 训练模型的新版本。
控制台
您可以从 Model Registry 创建现有模型的一个版本。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。
<a{: class="button button-primary" l10n-attrs-original-order="href,target,class,track-name,track-type" l10n-encrypted-href="eE471CdLRMtrJ6UgOX6O4ltigmNHgUGOXn/QVSGplOheMVJU/yDyZ/OoAbOtzTXtQQdc2CaGxVtVGC/5S+Yj6A==" target="console" track-name="consoleLink" track-type="tasks" }="">进入 Model Registry </a{:> - 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:版本将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。
<a{: class="button button-primary" l10n-attrs-original-order="href,target,class,track-name,track-type" l10n-encrypted-href="eE471CdLRMtrJ6UgOX6O4ltigmNHgUGOXn/QVSGplOheMVJU/yDyZ/OoAbOtzTXtQQdc2CaGxVtVGC/5S+Yj6A==" target="console" track-name="consoleLink" track-type="tasks" }="">进入 Model Registry</a{:> - 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。
<a{: class="button button-primary" l10n-attrs-original-order="href,target,class,track-name,track-type" l10n-encrypted-href="eE471CdLRMtrJ6UgOX6O4ltigmNHgUGOXn/QVSGplOheMVJU/yDyZ/OoAbOtzTXtQQdc2CaGxVtVGC/5S+Yj6A==" target="console" track-name="consoleLink" track-type="tasks" }="">进入 Model Registry</a{:> - 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