使用自訂權重部署模型為預先發布版功能。您可以根據預先定義的一組基礎模型微調模型，並在 Vertex AI Model Garden 中部署自訂模型。您可以透過上傳模型構件至專案中的 Cloud Storage bucket，使用自訂權重匯入功能部署自訂模型，在 Vertex AI 中只要按一下即可完成。
支援的模型
使用自訂權重部署模型的公開測試版支援下列基礎模型：
| 模型名稱 | 版本 |
|---|---|
| Llama |
|
| Gemma |
|
| Qwen |
|
| Deepseek |
|
| Mistral 和 Mixtral |
|
| Phi-4 |
|
| OpenAI OSS |
|
限制
自訂權重不支援匯入量化模型。
模型檔案
您必須以 Hugging Face 權重格式提供模型檔案。如要進一步瞭解 Hugging Face 權重格式，請參閱「使用 Hugging Face 模型」。
如果未提供必要檔案，模型部署作業可能會失敗。
下表列出模型檔案類型，這些類型取決於模型的架構：
| 模型檔案內容 | 檔案類型 |
|---|---|
| 模型設定 |
|
| 模型權重 |
|
| 權重指數 |
|
| 分詞器檔案 |
|
位置
您可以透過 Model Garden 服務，在所有區域部署自訂模型。
必要條件
本節說明如何部署自訂模型。
事前準備
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
Roles required to select or create a project
- Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
-
Create a project: To create a project, you need the Project Creator
(
roles/resourcemanager.projectCreator), which contains theresourcemanager.projects.createpermission. Learn how to grant roles.
-
Verify that billing is enabled for your Google Cloud project.
-
Enable the Vertex AI API.
Roles required to enable APIs
To enable APIs, you need the Service Usage Admin IAM role (
roles/serviceusage.serviceUsageAdmin), which contains theserviceusage.services.enablepermission. Learn how to grant roles. -
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
Roles required to select or create a project
- Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
-
Create a project: To create a project, you need the Project Creator
(
roles/resourcemanager.projectCreator), which contains theresourcemanager.projects.createpermission. Learn how to grant roles.
-
Verify that billing is enabled for your Google Cloud project.
-
Enable the Vertex AI API.
Roles required to enable APIs
To enable APIs, you need the Service Usage Admin IAM role (
roles/serviceusage.serviceUsageAdmin), which contains theserviceusage.services.enablepermission. Learn how to grant roles. -
In the Google Cloud console, activate Cloud Shell.
At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.
-
Install the Google Cloud CLI.
-
If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.
-
To initialize the gcloud CLI, run the following command:
gcloud init - REGION：您的區域。例如：
uscentral1。 - MODEL_GCS：您的 Google Cloud 模型。例如：
gs://custom-weights-fishfooding/meta-llama/Llama-3.2-1B-Instruct。 - PROJECT_ID：您的專案 ID。
- MODEL_ID：您的模型 ID。
- MACHINE_TYPE：機器類型。例如：
g2-standard-12。 - ACCELERATOR_TYPE：加速器類型。例如：
NVIDIA_L4。 - ACCELERATOR_COUNT：加速器數量。
PROMPT：文字提示。
前往 Google Cloud 控制台的「Model Garden」頁面。
按一下「Deploy model with custom weights」(使用自訂權重部署模型)。系統會顯示「Deploy a model with custom weights on Vertex AI」(在 Vertex AI 上部署具有自訂權重的模型) 窗格。
在「模型來源」部分執行下列操作：
按一下「瀏覽」，選擇儲存模型的 bucket，然後按一下「選取」。
選用：在「模型名稱」欄位中輸入模型名稱。
在「部署設定」部分，執行下列操作：
從「區域」欄位選取您的區域，然後按一下「確定」。
在「Machine Spec」(機器規格) 欄位中，選取用於部署模型的機器規格。
選用：在「端點名稱」欄位中，系統會預設顯示模型的端點。不過，您可以在欄位中輸入其他端點名稱。
按一下「Deploy model with custom weights」(使用自訂權重部署模型)。
前往 Google Cloud 控制台的「Model Garden」頁面。
按一下「查看我的端點與模型」。
從「Region」(區域) 清單中選取區域。
如要取得端點 ID 和端點網址，請按一下「我的端點」部分中的端點。
端點 ID 會顯示在「端點 ID」欄位中。
公開端點網址會顯示在「專屬端點」欄位中。
如要取得模型 ID，請在「已部署的模型」部分中找出模型，然後按照下列步驟操作：
- 在「Model」欄位中，按一下已部署的模型名稱。
- 按一下「版本詳細資料」。型號 ID 會顯示在「型號 ID」欄位。
- 如要進一步瞭解自行部署的模型，請參閱自行部署的模型總覽。
- 如要進一步瞭解 Model Garden，請參閱「Model Garden 總覽」。
- 如要進一步瞭解如何部署模型，請參閱「在 Model Garden 中使用模型」。
- 使用 Gemma 開放式模型
- 使用 Llama 開放式模型
- 使用 Hugging Face 開放原始碼模型
本教學課程假設您使用 Cloud Shell 與 Google Cloud互動。如要使用 Cloud Shell 以外的 Shell，請執行下列額外設定：
部署自訂模型
本節說明如何部署自訂模型。
如果您使用指令列介面 (CLI)、Python 或 JavaScript，請將下列變數替換為值，程式碼範例才能正常運作：
主控台
下列步驟說明如何使用 Google Cloud 控制台，部署具有自訂權重的模型。
gcloud CLI
這項指令示範如何將模型部署至特定區域。
gcloud ai model-garden models deploy --model=${MODEL_GCS} --region ${REGION}
這項指令示範如何將模型部署至特定區域，並指定機器類型、加速器類型和加速器數量。如要選取特定機器設定，就必須設定所有三個欄位。
gcloud ai model-garden models deploy --model=${MODEL_GCS} --machine-type=${MACHINE_TYE} --accelerator-type=${ACCELERATOR_TYPE} --accelerator-count=${ACCELERATOR_COUNT} --region ${REGION}
Python
import vertexai
from google.cloud import aiplatform
from vertexai.preview import model_garden
vertexai.init(project=${PROJECT_ID}, location=${REGION})
custom_model = model_garden.CustomModel(
gcs_uri=GCS_URI,
)
endpoint = custom_model.deploy(
machine_type="${MACHINE_TYPE}",
accelerator_type="${ACCELERATOR_TYPE}",
accelerator_count="${ACCELERATOR_COUNT}",
model_display_name="custom-model",
endpoint_display_name="custom-model-endpoint")
endpoint.predict(instances=[{"prompt": "${PROMPT}"}], use_dedicated_endpoint=True)
或者，您也可以不必將參數傳遞至 custom_model.deploy() 方法。
import vertexai
from google.cloud import aiplatform
from vertexai.preview import model_garden
vertexai.init(project=${PROJECT_ID}, location=${REGION})
custom_model = model_garden.CustomModel(
gcs_uri=GCS_URI,
)
endpoint = custom_model.deploy()
endpoint.predict(instances=[{"prompt": "${PROMPT}"}], use_dedicated_endpoint=True)
curl
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://${REGION}-aiplatform.googleapis.com/v1beta1/projects/${PROJECT_ID}/locations/${REGION}:deploy" \
-d '{
"custom_model": {
"gcs_uri": "'"${MODEL_GCS}"'"
},
"destination": "projects/'"${PROJECT_ID}"'/locations/'"${REGION}"'",
"model_config": {
"model_user_id": "'"${MODEL_ID}"'",
},
}'
或者，您也可以使用 API 明確設定機器類型。
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://${REGION}-aiplatform.googleapis.com/v1beta1/projects/${PROJECT_ID}/locations/${REGION}:deploy" \
-d '{
"custom_model": {
"gcs_uri": "'"${MODEL_GCS}"'"
},
"destination": "projects/'"${PROJECT_ID}"'/locations/'"${REGION}"'",
"model_config": {
"model_user_id": "'"${MODEL_ID}"'",
},
"deploy_config": {
"dedicated_resources": {
"machine_spec": {
"machine_type": "'"${MACHINE_TYPE}"'",
"accelerator_type": "'"${ACCELERATOR_TYPE}"'",
"accelerator_count": '"${ACCELERATOR_COUNT}"'
},
"min_replica_count": 1
}
}
}'
提出查詢
模型部署後，自訂權重會支援公開專屬端點。您可以使用 API 或 SDK 傳送查詢。
傳送查詢前，請先取得端點網址、端點 ID 和模型 ID，這些資訊可在 Google Cloud 控制台中找到。
如要取得這類資訊，請按照下列步驟操作：
取得端點和已部署模型資訊後，請參閱下列程式碼範例，瞭解如何傳送推論要求，或參閱「將線上推論要求傳送至專用公開端點」。
API
以下程式碼範例會根據您的用途，示範使用 API 的不同方式。
Chat completion (unary)
這個範例要求會將完整的即時通訊訊息傳送至模型，並在生成完整的回覆後，以單一區塊的形式取得回覆。這與傳送簡訊並取得單一完整回覆類似。
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://${ENDPOINT_URL}/v1beta1/projects/${PROJECT_ID}/locations/${LOCATION}/endpoints/${ENDPOINT_ID}/chat/completions" \
-d '{
"model": "'"${MODEL_ID}"'",
"temperature": 0,
"top_p": 1,
"max_tokens": 154,
"ignore_eos": true,
"messages": [
{
"role": "user",
"content": "How to tell the time by looking at the sky?"
}
]
}'
對話完成 (串流)
這項要求是單元聊天完成要求的串流版本。在要求中加入 "stream": true，模型就會在生成回覆時，逐一傳送回覆內容。這項功能很適合在即時通訊應用程式中建立類似打字機的即時效果。
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \ "https://${ENDPOINT_URL}/v1beta1/projects/${PROJECT_ID}/locations/${LOCATION}/endpoints/${ENDPOINT_ID}/chat/completions" \
-d '{
"model": "'"${MODEL_ID}"'",
"stream": true,
"temperature": 0,
"top_p": 1,
"max_tokens": 154,
"ignore_eos": true,
"messages": [
{
"role": "user",
"content": "How to tell the time by looking at the sky?"
}
]
}'
預測
這項要求會直接傳送提示，從模型取得推論結果。這類模型通常用於不一定需要對話的工作，例如文字摘要或分類。
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://${ENDPOINT_URL}/v1beta1/projects/${PROJECT_ID}/locations/${LOCATION}/endpoints/${ENDPOINT_ID}:predict" \
-d '{
"instances": [
{
"prompt": "How to tell the time by looking at the sky?",
"temperature": 0,
"top_p": 1,
"max_tokens": 154,
"ignore_eos": true
}
]
}'
原始預測
這項要求是 Predict 要求的串流版本。使用 :streamRawPredict 端點並加入 "stream": true，這項要求會傳送直接提示，並在模型生成輸出內容時，以連續資料串流的形式接收輸出內容，與串流聊天完成要求類似。
curl -X POST \
-N \
--output - \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://${ENDPOINT_URL}/v1beta1/projects/${PROJECT_ID}/locations/${LOCATION}/endpoints/${ENDPOINT_ID}:streamRawPredict" \
-d '{
"instances": [
{
"prompt": "How to tell the time by looking at the sky?",
"temperature": 0,
"top_p": 1,
"max_tokens": 154,
"ignore_eos": true,
"stream": true
}
]
}'
SDK
這個程式碼範例會使用 SDK 將查詢傳送至模型，並從該模型取得回覆。
from google.cloud import aiplatform
project_id = ""
location = ""
endpoint_id = "" # Use the short ID here
aiplatform.init(project=project_id, location=location)
endpoint = aiplatform.Endpoint(endpoint_id)
prompt = "How to tell the time by looking at the sky?"
instances=[{"text": prompt}]
response = endpoint.predict(instances=instances, use_dedicated_endpoint=True)
print(response.predictions)
如需使用 API 的其他範例，請參閱匯入自訂權重筆記本。