在代管型筆記本執行個體中開發模型

在代管型筆記本執行個體中開發模型

Vertex AI Workbench 代管型筆記本已淘汰。2025 年 4 月 14 日起，我們將停止支援代管筆記本，並移除建立代管筆記本執行個體的功能。現有執行個體仍可正常運作，但無法取得修補程式、更新和升級。如要繼續使用 Vertex AI Workbench，建議您將代管型筆記本執行個體遷移至 Vertex AI Workbench 執行個體。

本頁面說明在 Vertex AI Workbench 代管型筆記本中開發機器學習 (ML) 模型的常見方式。您可以使用預先安裝的 Python 套件，這些套件通常用於 ML 模型開發、Vertex AI 自訂訓練和 BigQuery ML。

常見的 Python 套件

根據預設，受管理筆記本執行個體會預先安裝常用於模型開發的 Python 套件。將這些套件匯入筆記本檔案，即可開始使用。

Vertex AI 自訂訓練

您可以使用 Vertex AI 自訂訓練，在代管型筆記本執行個體中建立及訓練模型。

在執行個體上安裝其中一個 Vertex AI 用戶端程式庫，或使用 Vertex AI API 從 Jupyter 筆記本檔案傳送 API 要求。

BigQuery ML

您可以使用 BigQuery ML 訓練模型，並使用 BigQuery 資料，一切都在受管理筆記本執行個體中完成。舉例來說，您可以使用 BigQuery 的 Python 用戶端，從筆記本檔案傳送 SQL 指令來建立模型，然後使用該模型取得批次預測結果。

BigQuery ML 會運用 BigQuery 計算引擎，因此您不需要部署批次預測或模型訓練所需的運算資源。這可縮短訓練、評估和預測的設定時間。

後續步驟

• 如要進一步瞭解 Vertex AI 自訂訓練，請參閱「瞭解自訂訓練服務」。

• 如要進一步瞭解 BigQuery ML，請參閱「什麼是 BigQuery ML？」一文。