Dati di testo di Hello: esegui il deployment del modello in un endpoint e invia una previsione

A partire dal 15 settembre 2024, potrai personalizzare solo gli scopi di classificazione, estrazione di entità e analisi del sentiment passando ai prompt e alla regolazione di Vertex AI Gemini. L'addestramento o l'aggiornamento dei modelli per Vertex AI AutoML per gli scopi di classificazione del testo, estrazione di entità e analisi del sentiment non sarà più disponibile. Puoi continuare a utilizzare i modelli Text di AutoML per Vertex AI esistenti fino al 15 giugno 2025. Per un confronto tra AutoML Text e Gemini, consulta Gemini per gli utenti di AutoML Text. Per saperne di più su come Gemini offre un'esperienza utente migliorata tramite funzionalità di prompt avanzate, consulta Introduzione all'ottimizzazione. Per iniziare a utilizzare l'ottimizzazione, consulta Ottimizzazione dei modelli di testo Gemini

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

Apri in Colab | Apri in Colab Enterprise | Apri nei notebook gestiti dall'utente di Vertex AI Workbench | Visualizza su GitHub

Al termine dell'addestramento del modello di classificazione del testo AutoML, utilizza la console Vertex AI per creare un endpoint e implementare il modello nell'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 diverse pagine:

1. Configura il progetto e l'ambiente.

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

3. Addestramento di un modello di classificazione del testo AutoML.

4. Esegui il deployment del modello in un endpoint e invia una previsione.

5. Pulizia del progetto.

Ogni pagina presuppone che tu abbia già eseguito le istruzioni riportate nelle pagine precedenti del tutorial.

Esegui il deployment del modello in un endpoint

Accedi al modello addestrato per eseguirne il deployment in un nuovo endpoint dalla pagina Model Registry.

1. Nella console Google Cloud, vai alla pagina Registry dei modelli.

   Vai alla pagina 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 visualizzarne i dettagli.

   Ad esempio, nella scheda Valuta puoi visualizzare le metriche sul rendimento del modello.

4. Seleziona la scheda Deployment e 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 nuovo endpoint e inserisci un nome per l'endpoint, ad esempio hello_automl_text.

   2. Accetta la Suddivisione del traffico del 100% e fai clic su Esegui il deployment.

La creazione dell'endpoint e il deployment del modello AutoML nel nuovo endpoint richiedono diversi minuti.

Inviare una previsione al modello

Dopo aver creato l'endpoint, puoi inviare le previsioni di testo dalla console Vertex AI.

1. Nella console Google Cloud, vai alla pagina Registry dei modelli.

   Vai alla pagina Registro dei modelli

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

3. Fai clic sul modello AutoML addestrato.

4. Seleziona la scheda Deployment e test.

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

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

Passaggi successivi

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