使用 TabNet 训练模型

本页面介绍了如何使用 TabNet 的表格工作流训练表格数据集中的分类或回归模型。

TabNet 的表格工作流有两个版本：

HyperparameterTuningJob 可搜索用于模型训练的最佳超参数值集。
CustomJob 可让您指定用于模型训练的超参数值。如果您确切地知道需要哪些超参数值，则可以指定它们（而不是进行搜索），从而节省训练资源。

如需了解此工作流使用的服务账号，请参阅表格工作流的服务账号。

Workflow API

此工作流使用以下 API：

Vertex AI
Dataflow
Compute Engine
Cloud Storage

使用 HyperparameterTuningJob 训练模型

以下示例代码演示了如何运行 HyperparameterTuningJob 流水线：

pipeline_job = aiplatform.PipelineJob(
    ...
    template_path=template_path,
    parameter_values=parameter_values,
    ...
)
pipeline_job.run(service_account=SERVICE_ACCOUNT)

您可以使用 pipeline_job.run() 中的可选 service_account 参数，将 Vertex AI Pipelines 服务账号设置为您选择的账号。

流水线和参数值由以下函数定义。训练数据可以是 Cloud Storage 中的 CSV 文件，也可以是 BigQuery 中的表。

template_path, parameter_values =  automl_tabular_utils.get_tabnet_hyperparameter_tuning_job_pipeline_and_parameters(...)

以下是部分 get_tabnet_hyperparameter_tuning_job_pipeline_and_parameters 参数：

参数名称	类型	定义
`data_source_csv_filenames`	字符串	存储在 Cloud Storage 中的 CSV 的 URI。
`data_source_bigquery_table_path`	字符串	BigQuery 表的 URI。
`dataflow_service_account`	字符串	（可选）用于运行 Dataflow 作业的自定义服务账号。Dataflow 作业可以配置为使用专用 IP 和特定 VPC 子网。此参数充当默认 Dataflow 工作器服务账号的替换值。
`study_spec_parameters_override`	List[Dict[String, Any]]	（可选）调节超参数的替换值。此参数可以为空，也可以包含一个或多个可能的超参数。如果未设置超参数值，Vertex AI 会使用超参数的默认调节范围。

如果您要使用 study_spec_parameters_override 参数配置超参数，则可以使用 Vertex AI 的辅助函数 get_tabnet_study_spec_parameters_override。该函数具有以下输入：

dataset_size_bucket：数据集大小的存储桶
- “small”：< 100 万行
- “medium”：100 万 - 1 亿行
- “large”：> 1 亿行
training_budget_bucket：训练预算的存储桶
- “small”：< $600
- “medium”：$600 - $2400
- “large”：> $2400
prediction_type：所需的预测类型

get_tabnet_study_spec_parameters_override 函数会返回超参数和范围的列表。

以下示例展示了如何使用 get_tabnet_study_spec_parameters_override 函数：

study_spec_parameters_override = automl_tabular_utils.get_tabnet_study_spec_parameters_override(
    dataset_size_bucket="small",
    prediction_type="classification",
    training_budget_bucket="small",
)

使用 CustomJob 训练模型

以下示例代码演示了如何运行 CustomJob 流水线：

pipeline_job = aiplatform.PipelineJob(
    ...
    template_path=template_path,
    parameter_values=parameter_values,
    ...
)
pipeline_job.run(service_account=SERVICE_ACCOUNT)