Pengantar Vertex AI Model Registry

Vertex AI Model Registry adalah repositori pusat tempat Anda dapat mengelola siklus proses model ML. Dari Model Registry, Anda memiliki ringkasan model sehingga dapat mengatur, melacak, dan melatih versi baru dengan lebih baik. Jika memiliki versi model yang ingin di-deploy, Anda dapat menetapkannya ke endpoint langsung dari registry, atau dengan menggunakan alias, Anda dapat men-deploy model ke endpoint.

Vertex AI Model Registry mendukung model kustom dan semua jenis data AutoML, yaitu teks, tabel, gambar, dan video. Model Registry juga dapat mendukung model BigQuery ML. Jika memiliki model yang dilatih di BigQuery ML, Anda dapat mendaftarkannya dengan Model Registry tanpa perlu mengekspornya dari BigQuery ML atau mengimpornya ke Model Registry.

Dari halaman detail versi model, Anda dapat mengevaluasi, men-deploy ke endpoint, menyiapkan prediksi batch, dan melihat detail model tertentu. Vertex AI Model Registry menyediakan antarmuka yang mudah dan disederhanakan untuk mengelola dan men-deploy model terbaik ke produksi.

Alur kerja umum

Ada banyak alur kerja yang valid untuk bekerja di Model Registry. Untuk memulai, sebaiknya ikuti panduan ini guna memahami hal yang dapat dilakukan di Model Registry dan pada tahap mana dalam perjalanan pelatihan model Anda.

  • Impor model ke Model Registry.
  • Buat model baru, tetapkan versi model sebagai alias default, yang siap untuk produksi.
  • Tambahkan alias atau label lain untuk membantu Anda mengelola dan mengatur model serta versi model.
  • Men-deploy model Anda ke endpoint untuk prediksi online.
  • Jalankan prediksi batch, lalu mulai pipeline evaluasi model Anda.
  • Lihat detail model Anda dan lihat metrik performa dari halaman detail model.

Untuk mempelajari lebih lanjut cara mengintegrasikan model BigQuery ML Anda dengan Vertex AI, lihat dokumentasi BigQuery ML.

Menelusuri dan menemukan model menggunakan layanan Data Catalog Dataplex

Layanan Data Catalog Dataplex adalah layanan pengelolaan metadata yang skalabel dan terkelola sepenuhnya yang menyediakan lokasi terpusat untuk menelusuri model di berbagai project dan region.

Untuk mengetahui detailnya, lihat Menggunakan Data Catalog untuk menelusuri resource model dan set data.

Langkah selanjutnya