在托管式笔记本实例中开发模型

在托管式笔记本实例中开发模型

Vertex AI Workbench 托管式笔记本已弃用。自 2025 年 1 月 30 日起，我们将终止对托管式笔记本的支持，并且将不再支持创建托管式笔记本实例。现有实例仍然可以正常使用，但我们将不再提供补丁、更新和升级。如需继续使用 Vertex AI Workbench，我们建议您将托管式笔记本实例迁移到 Vertex AI Workbench 实例。

本页面介绍在 Vertex AI Workbench 托管式笔记本中开发机器学习 (ML) 模型的常见方法。您可以使用预安装的 Python 软件包，这些软件包通常用于 Python 模型开发、Vertex AI 自定义训练和 BigQuery ML。

常用 Python 软件包

默认情况下，托管式笔记本实例预安装了通常用于模型开发的 Python 软件包。只要将这些软件包导入到您的笔记本文件中，就立即可以使用它们了。

Vertex AI 自定义训练

您可以使用 Vertex AI 自定义训练从托管式笔记本实例中创建和训练模型。

在您的实例上安装其中一个 Vertex AI 客户端库，或使用 Vertex AI API 从 Jupyter 笔记本文件发送 API 请求。

如需查看如何使用 Python 版 Vertex AI SDK 训练和部署自定义图片分类模型以进行在线预测的示例，请在以下环境之一中运行“自定义训练和在线预测”Jupyter 笔记本：

在 Vertex AI Workbench 托管式笔记本中打开 | 在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 GitHub 上查看

BigQuery ML

借助 BigQuery ML，您可以从托管式笔记本实例中训练使用 BigQuery 数据的模型。例如，通过适用于 BigQuery 的 Python 客户端，您可以从笔记本文件中发送 SQL 命令以创建模型，然后使用该模型获得批量预测。

BigQuery ML 利用 BigQuery 计算引擎，因此您无需部署批量预测或模型训练所需的计算资源。这样可以减少设置训练、评估和预测所需的时间。

后续步骤

• 如需详细了解 Vertex AI 自定义训练，请参阅了解自定义训练服务。

• 如需详细了解 BigQuery ML，请参阅什么是 BigQuery ML？