Hello テキストデータ: エンドポイントへのモデルのデプロイと予測の送信

AutoML テキスト分類モデルのトレーニングが完了したら、Vertex AI コンソールを使用してエンドポイントを作成し、モデルをエンドポイントにデプロイします。モデルをエンドポイントにデプロイしたら、ラベルの予測のためにドキュメントをモデルに送信します。

このチュートリアルには複数のページが含まれます。

  1. プロジェクトと環境の設定

  2. テキスト分類データセットの作成

  3. AutoML テキスト分類モデルのトレーニング

  4. エンドポイントへのモデルのデプロイと予測の送信

  5. プロジェクトのクリーンアップ

各ページは、前のページのチュートリアルの手順をすでに実施していることを前提としています。

エンドポイントにモデルをデプロイする

[モデル] ページから、トレーニング済みのモデルにアクセスし、新しいエンドポイントにデプロイします。

  1. Google Cloud Console で、[モデル] ページに移動します。

    [モデル] ページに移動

  2. [リージョン] で [us-central1 (アイオワ)] を選択します。

  3. トレーニング済みの AutoML モデルをクリックして、モデルの詳細を表示します。

    たとえば、[評価] タブでは、モデルのパフォーマンス指標を確認できます。

  4. [デプロイとテスト] タブを選択して、エンドポイントを作成します。

  5. [エンドポイントへのデプロイ] をクリックします。

  6. [エンドポイントへのデプロイ] ウィンドウで、次の手順を行います。

    1. [新しいエンドポイントを作成する] を選択し、エンドポイントの名前(hello_automl_text など)を入力します。

    2. [トラフィック分割] を 100% にして [デプロイ] をクリックします。

エンドポイントを作成し AutoML モデルを新しいエンドポイントにデプロイするのに数分かかります。

モデルに予測を送信する

エンドポイントが作成されたら、Vertex AI コンソールからテキスト予測を送信できます。

  1. Google Cloud Console で、[モデル] ページに移動します。

    [モデル] ページに移動

  2. [リージョン] で [us-central1 (アイオワ)] を選択します。

  3. トレーニング済みの AutoML モデルをクリックします。

  4. [デプロイとテスト] タブを選択します。

  5. [モデルのテスト] セクションで、予測に使用するテキストを入力します。

  6. [予測] をクリックして、モデルの予測ラベルと信頼スコアを表示します。

    予測のサンプル

次のステップ

チュートリアルの最後のページで、作成したリソースをクリーンアップする。