予測とは、トレーニング済み ML モデルの出力です。このページでは、Vertex AI のモデルから予測を取得するワークフローの概要について説明します。
Vertex AI では、次の 2 つの方法で予測を取得できます。
オンライン予測は、モデル
endpoint
に対して行われる同期リクエストです。リクエストを送信する前に、まずmodel
リソースをendpoint
にデプロイする必要があります。これにより、コンピューティング リソースがモデルに関連付けられ、低レイテンシでオンライン予測を行えるようになります。アプリケーションの入力に応じてリクエストを行う場合や、タイムリーな推論が必要な場合は、オンライン予測を使用します。バッチ予測は非同期リクエストです。モデルをエンドポイントにデプロイすることなく、直接
model
リソースからbatchPredictionsJob
をリクエストします。即時のレスポンスが必要なく、累積されたデータを 1 回のリクエストで処理する場合は、バッチ予測を使用します。
カスタム トレーニング済みモデルからの予測を取得する
予測を取得するには、まずモデルをインポートする必要があります。インポートすると、モデルは model
リソースとなって、Vertex AI Model Registry に表示されます。
その後、予測を取得する方法については、次のドキュメントをご覧ください。
AutoML モデルから予測を取得する
カスタム トレーニング モデルとは異なり、AutoML モデルはトレーニング後に Vertex AI Model Registry に自動的にインポートされます。
それ以外は AutoML モデルのワークフローも似ていますが、データ型とモデルの目標によって若干異なります。AutoML 予測の取得に関するドキュメントは、AutoML のドキュメントと一緒に用意されています。ドキュメントへのリンクは次のとおりです。
画像
次のタイプの画像 AutoML モデルから予測を取得する方法を学習します。
表形式
次のタイプの表形式 AutoML モデルから予測を取得する方法を学習します。
テキスト
次のタイプのテキスト AutoML モデルから予測を取得する方法を学習する。
動画
次のタイプの動画 AutoML モデルから予測を取得する方法を学習します。
- 動画動作認識モデル(バッチ予測のみ)
- 動画分類モデル(バッチ予測のみ)
- 動画オブジェクト トラッキング モデル(バッチ予測のみ)