Introduzione ai dati di testo: esegui il deployment del modello su un endpoint e invia una previsione

A partire dal 15 settembre 2024, puoi personalizzare solo classificazione, estrazione di entità e del sentiment passando ai prompt e all'ottimizzazione di Gemini in Vertex AI. Addestramento o aggiornamento modelli per Vertex AI AutoML per classificazione del testo, estrazione di entità e analisi del sentiment gli obiettivi non saranno più disponibili. Puoi continuare a utilizzare i modelli di testo AutoML di Vertex AI esistenti fino al 15 giugno 2025. Per saperne di più su come Gemini offre un'esperienza utente migliorata tramite funzionalità di prompt migliorate, consulta Introduzione all'ottimizzazione.

Per saperne di più, "Crea, addestra ed esegui il deployment di un modello di classificazione di testo AutoML" Blocco note Jupyter in uno dei seguenti ambienti:

Aperto in Colab | Aperto in Colab Enterprise | Aperto nei blocchi note gestiti dall'utente di Vertex AI Workbench | Visualizza su GitHub

Al termine dell'addestramento del modello di classificazione del testo AutoML, utilizza Console Vertex AI per creare un endpoint ed eseguire il deployment del modello l'endpoint. Dopo aver eseguito il deployment del modello nell'endpoint, invia un documento al modello per la previsione delle etichette.

Questo tutorial è composto da varie pagine:

1. Configura il progetto e l'ambiente.

2. Creazione di un set di dati di classificazione del testo .

3. Addestramento di una classificazione di testo AutoML modello.

4. esegui il deployment del modello su un endpoint e invia la previsione.

5. È in corso la pulizia del progetto.

Per ogni pagina si presuppone che tu abbia già eseguito le istruzioni dalla pagine precedenti del tutorial.

esegui il deployment del modello su un endpoint

Accedi al tuo modello addestrato per eseguirne il deployment su un nuovo endpoint dal modello Registro di sistema.

1. Nella console Google Cloud, vai alla pagina Model Registry.

   Vai alla pagina del registro dei modelli

2. In Regione, seleziona us-central1 (Iowa).

3. Fai clic sul nome e sul numero di versione del modello AutoML addestrato per visualizzare i dettagli del modello.

   Ad esempio, nella scheda Valuta puoi visualizzare le prestazioni del modello metrics.

4. Seleziona la casella di controllo Deploy & test per creare un endpoint.

5. Fai clic su Esegui il deployment nell'endpoint.

6. Nella finestra Esegui il deployment nell'endpoint, completa i seguenti passaggi:

   1. Scegli Crea nuova endpoint e inserisci un nome per l'endpoint, ad esempio hello_automl_text.

   2. Accetta la suddivisione del traffico pari a 100% e fai clic su Esegui il deployment.

Sono necessari diversi minuti per creare l'endpoint ed eseguire il deployment modello al nuovo endpoint.

Invia una previsione al modello

Dopo aver creato l'endpoint, puoi inviare previsioni di testo dal Console Vertex AI.

1. Nella console Google Cloud, vai alla pagina Model Registry.

   Vai alla pagina del registro dei modelli

2. In Regione, seleziona us-central1 (Iowa).

3. Fai clic sul modello AutoML addestrato.

4. Seleziona la casella di controllo Deploy & scheda di test

5. Nella sezione Testa il modello, inserisci il testo per la previsione.

6. Fai clic su Prevedi per visualizzare l'etichetta prevista e il punteggio di confidenza del modello.

Passaggi successivi

• Per eseguire la pulizia delle risorse che hai creato, segui le ultima pagina del tutorial