Données textuelles de l'application Hello : déployer le modèle sur un point de terminaison et envoyer une prédiction

À partir du 15 septembre 2024, vous ne pourrez personnaliser les objectifs de classification, d'extraction d'entités et d'analyse des sentiments qu'en passant aux requêtes et à l'ajustement Vertex AI Gemini. L'entraînement ou la mise à jour des modèles pour les objectifs de classification de texte, d'extraction d'entités et d'analyse des sentiments de Vertex AI AutoML ne seront plus disponibles. Vous pouvez continuer à utiliser les modèles Vertex AI AutoML Text existants jusqu'au 15 juin 2025. Pour obtenir une comparaison du texte AutoML et Gemini, consultez la page Gemini pour les utilisateurs de texte AutoML. Pour en savoir plus sur la façon dont Gemini offre une expérience utilisateur améliorée grâce à des fonctionnalités de requêtes améliorées, consultez Présentation du réglage. Pour commencer à utiliser le réglage, consultez la page Réglage des modèles pour les modèles textuels Gemini

Pour en savoir plus, exécutez le notebook Jupyter "Créer, entraîner et déployer un modèle de classification de texte AutoML" dans l'un des environnements suivants :

Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Ouvrir dans les notebooks gérés par l'utilisateur Vertex AI Workbench | Afficher sur GitHub

Une fois l'entraînement de votre modèle de classification de texte AutoML effectué, utilisez la console Vertex AI pour créer un point de terminaison et y déployer votre modèle. Une fois votre modèle déployé sur le point de terminaison, envoyez un document au modèle pour la prédiction de l'étiquette.

Ce tutoriel comporte plusieurs pages :

1. Configurer votre projet et votre environnement.

2. Créer un ensemble de données de classification de texte.

3. Entraîner un modèle de classification de texte AutoML.

4. Déployer un modèle sur un point de terminaison et effectuer une prédiction

5. Nettoyer votre projet.

Chaque page suppose que vous avez déjà effectué les instructions des pages précédentes du tutoriel.

Déployer votre modèle sur un point de terminaison

Accédez à votre modèle entraîné pour le déployer sur un nouveau point de terminaison depuis la page Registre de modèles.

1. Dans la console Google Cloud, accédez à la page Registre de modèles.

   Accéder à la page "Registre de modèles"

2. Pour Région, sélectionnez us-central1 (Iowa).

3. Cliquez sur le nom et le numéro de version de votre modèle AutoML entraîné pour en afficher les détails.

   Par exemple, dans l'onglet Évaluation, vous pouvez afficher les métriques de performances de votre modèle.

4. Choisissez l'onglet Déployer et tester pour créer un point de terminaison.

5. Cliquez sur Déployer sur un point de terminaison.

6. Dans la fenêtre Déployer vers le point de terminaison, procédez comme suit :

   1. Choisissez Créer un point de terminaison, puis saisissez un nom pour le point de terminaison, tel que hello_automl_text.

   2. Acceptez la répartition du trafic de 100 %, puis cliquez sur Déployer.

La création du point de terminaison et le déploiement du modèle AutoML sur le nouveau point de terminaison prennent plusieurs minutes.

Envoyer une prédiction au modèle

Une fois le point de terminaison créé, vous pouvez envoyer des prédictions de texte à partir de la console Vertex AI.

1. Dans la console Google Cloud, accédez à la page Registre de modèles.

   Accéder à la page "Registre de modèles"

2. Pour Région, sélectionnez us-central1 (Iowa).

3. Cliquez sur votre modèle AutoML entraîné.

4. Sélectionnez l'onglet Déployer et tester.

5. Dans la section Tester votre modèle, tapez du texte pour la prédiction.

6. Cliquez sur Prédiction pour afficher l'étiquette prédite et le score de confiance du modèle.

Étapes suivantes

• Pour nettoyer les ressources que vous avez créées, suivez la dernière page du tutoriel.