模型類別

Vertex AI SDK 包含 Model 類別，可搭配您訓練的模型使用，然後用於預測。SDK 也包含 ModelEvaluation 類別，可評估已訓練 AutoML 模型的指標。如要進一步瞭解模型，請參閱「訓練及使用自有模型」。

Model

Model 類別代表已在 Vertex AI Model Registry 註冊的訓練模型。您會使用經過訓練的模型產生預測結果。

使用 aiplatform.Model() 方法尋找並傳回模型參照。您可以使用模型的名稱或 ID 指定模型。由於專案中可能有多個模型共用相同名稱，建議您使用模型 ID 指定模型。以下程式碼範例說明如何使用模型 ID 尋找並傳回現有模型的參照：

MODEL_ID="my-sample-model-ID"
model = aiplatform.Model(model_name=MODEL_ID)

取得訓練模型的參照之後，您可以使用 Model 的屬性和方法來處理模型並取得預測結果。

建立已註冊的模型

如要建立在 Vertex AI Model Registry 中註冊的模型資源，請在訓練工作類別上呼叫 run 方法。以下方法會建立模型、訓練模型、在 Vertex AI Model Registry 中註冊模型，然後傳回模型的參照。

下列程式碼範例說明如何建立 CustomTrainingJob 資源，然後使用其 run 方法建立模型、訓練模型、在 Vertex AI Model Registry 中註冊模型，並傳回模型的參照：

# Create a custom training job using a script
job = aiplatform.CustomTrainingJob(
    display_name="my-training-job",
    script_path="task.py",
    container_uri="us-docker.pkg.dev/vertex-ai/training/tf-cpu.2-8:latest",
    requirements=["google-cloud-bigquery>=2.20.0", "db-dtypes", "protobuf<3.20.0"],
    model_serving_container_image_uri="us-docker.pkg.dev/vertex-ai/prediction/tf2-cpu.2-8:latest",
)

# Create and train your model using a BigQuery dataset. The method
# returns a reference to the trained model.
model = job.run(
    dataset=dataset,
    model_display_name="my-model-name",
    bigquery_destination=f"bq://{project_id}",
    args=CMDARGS,
)

建立未註冊的模型

如要建立未註冊至 Vertex AI Model Registry 的模型，請使用 CustomJob 類別及其 run 方法。CustomJob.run 方法會訓練模型，但不會在 Vertex AI Model Registry 中註冊模型，也不會傳回模型的參照。

如果您使用 CustomJob 類別，就必須使用指令碼將模型寫入 Cloud Storage 值區等位置。詳情請參閱「匯出已訓練的機器學習模型」。

註冊模型

如果您有未註冊至 Vertex AI Model Registry 的模型，就必須註冊該模型，才能管理模型的生命週期。Vertex AI Model Registry 是中央存放區，可提供模型總覽，方便您管理模型。詳情請參閱「Vertex AI Model Registry 簡介」。

Vertex AI SDK 包含以下方法，可將模型匯入 Vertex AI Model Registry。按一下其中一種方法，即可在 Vertex AI SDK 參考指南中進一步瞭解。

部署模型

註冊模型後，您必須將模型部署至端點，才能用於預測。請使用 Model.deploy 方法，將模型部署至 Endpoint。詳情請參閱「將模型部署至端點」。

ModelEvaluation

使用 ModelEvaluation 類別，取得 AutoML 模型的評估指標 (例如精確度和召回率)，協助判斷模型效能。詳情請參閱「Vertex AI 的模型評估服務」。

以下程式碼範例顯示如何列出模型的所有評估結果，該模型的 ID 為 model-id，專案 ID 為 my-project，且位於 us-central1 區域：

model = aiplatform.Model('projects/my-project/locations/us-central1/models/{model-id}')

evaluations = model.list_model_evaluations()

以下程式碼範例示範如何取得模型評估結果，該模型的模型 ID 為 model-id，專案 ID 為 my-project，且位於 us-central1 區域：

model = aiplatform.Model('projects/my-project/locations/us-central1/models/{model-id}')

# Return the first evaluation with no arguments. You can also specify a model
# using its model ID.
evaluation = model.get_model_evaluation()

eval_metrics = evaluation.metrics

如要建立模型評估的參照，請使用其資源名稱或模型 ID 和評估 ID。以下程式碼範例說明如何使用資源名稱建立模型評估的參照：

evaluation = aiplatform.ModelEvaluation(
  evaluation_name='projects/my-project/locations/us-central1/
    models/{model-id}/evaluations/{evaluation-id}')

eval_metrics = evaluation.metrics

以下程式碼範例說明如何使用模型 ID 和評估 ID 建立模型評估參照：

evaluation.metrics = aiplatform.ModelEvaluation(
  evaluation_name={evaluation-id},
  model_id={model-id})

eval_metrics = evaluation.metrics

後續步驟