REST-Ressource: projects.locations.models

Ressource: Modell

API-Proto, der ein trainiertes Modell für maschinelles Lernen darstellt.

JSON-Darstellung 

{
  "name": string,
  "displayName": string,
  "datasetId": string,
  "createTime": string,
  "updateTime": string,
  "deploymentState": enum(DeploymentState),

  // Union field model_metadata can be only one of the following:
  "translationModelMetadata": {
    object(TranslationModelMetadata)
  },
  "imageClassificationModelMetadata": {
    object(ImageClassificationModelMetadata)
  },
  "textClassificationModelMetadata": {
    object(TextClassificationModelMetadata)
  },
  "videoClassificationModelMetadata": {
    object(VideoClassificationModelMetadata)
  }
  // End of list of possible types for union field model_metadata.
}
Felder
name

string

Nur Ausgabe. Ressourcenname des Modells. Format: projects/{project_id}/locations/{locationId}/models/{modelId}

displayName

string

Erforderlich. Der Name des Modells, das auf der Benutzeroberfläche angezeigt werden soll. Der Name kann bis zu 32 Zeichen lang sein und darf gemäß ASCII-Codierung nur aus lateinischen Groß- und Kleinbuchstaben (A–Z bzw. a–z), Unterstrichen (_) und den Ziffern 0–9 bestehen. Er muss mit einem Buchstaben beginnen.

datasetId

string

Erforderlich. Die Ressourcen-ID des Datasets, das zum Erstellen des Modells verwendet wurde. Das Dataset muss aus demselben Ancestor-Projekt und vom selben Speicherort stammen.

createTime

string (Timestamp format)

Nur Ausgabe. Der Zeitstempel für den Zeitpunkt, zu dem dieses Modell erstellt wurde.

Ein Zeitstempel im Format "RFC3339 UTC 'Zulu'" in Nanosekunden. Beispiel: "2014-10-02T15:01:23.045123456Z".
updateTime

string (Timestamp format)

Nur Ausgabe. Der Zeitstempel für den Zeitpunkt, zu dem dieses Modell zuletzt aktualisiert wurde.

Ein Zeitstempel im Format "RFC3339 UTC 'Zulu'" in Nanosekunden. Beispiel: "2014-10-02T15:01:23.045123456Z"
deploymentState

enum(DeploymentState)

Nur Ausgabe. Bereitstellungsstatus des Modells. Ein Modell kann Vorhersageanfragen erst bearbeiten, nachdem es bereitgestellt wurde.

Union-Feld model_metadata. Erforderlich. Die Modellmetadaten, die für den Problemtyp spezifisch sind. Muss mit dem Metadatentyp des Datasets übereinstimmen, das zum Trainieren des Modells verwendet wurde. Für model_metadata kommt nur eine der folgenden Möglichkeiten infrage:
translationModelMetadata

object(TranslationModelMetadata)

Metadaten für Übersetzungsmodelle.

imageClassificationModelMetadata

object(ImageClassificationModelMetadata)

Metadaten für Bildklassifizierungsmodelle.

textClassificationModelMetadata

object(TextClassificationModelMetadata)

Metadaten für Textklassifizierungsmodelle.

videoClassificationModelMetadata

Objekt ( VideoClassificationModelMetadata )

Metadaten für Videoklassifizierungsmodelle.

TranslationModelMetadata

Übersetzungsspezifische Modellmetadaten.

JSON-Darstellung 

{
  "baseModel": string,
  "sourceLanguageCode": string,
  "targetLanguageCode": string
}
Felder
baseModel

string

Der Ressourcenname des Modells, das als Ausgangsbasis zum Trainieren des benutzerdefinierten Modells verwendet wird. Wenn kein Wert festgelegt ist, wird das Standardbasismodell von Google Übersetzer verwendet. Format: projects/{project_id}/locations/{locationId}/models/{modelId}

sourceLanguageCode

string

Nur Ausgabe. Aus dem Dataset abgeleitet. Die Ausgangssprache (der BCP-47-Sprachcode), die für das Training verwendet wird.

targetLanguageCode

string

Nur Ausgabe. Die Zielsprache (der BCP-47-Sprachcode), die für das Training verwendet wird.

ImageClassificationModelMetadata

Modellmetadaten für die Bildklassifizierung.

JSON-Darstellung 

{
  "baseModelId": string,
  "trainBudget": string,
  "trainCost": string,
  "stopReason": string
}
Felder
baseModelId

string

Optional. Die ID des base-Modells. Falls angegeben, wird das neue Modell auf der Grundlage des base-Modells erstellt. Andernfalls wird das neue Modell von Grund auf neu erstellt. Es wird davon ausgegangen, dass sich das base-Modell im selben project und am selben location wie das neu zu erstellende Modell befindet.

trainBudget

string (int64 format)

Erforderlich. Das Trainingsbudget zum Erstellen dieses Modells in Stunden. Die tatsächliche Höhe der trainCost kann gleich oder kleiner als dieser Wert sein.

trainCost

string (int64 format)

Nur Ausgabe. Die tatsächlichen Kosten für die Erstellung dieses Modells. Wenn dieses Modell auf Grundlage eines base-Modells erstellt wird, werden die Kosten, die durch das Erstellen des base-Modells entstehen, nicht eingerechnet.

stopReason

string

Nur Ausgabe. Gibt den Grund an, aus dem der Vorgang zum Erstellen eines Modells angehalten wurde, zum Beispiel BUDGET_REACHEDMODEL_CONVERGED.

TextClassificationModelMetadata

Modellmetadaten, die für die Textklassifizierung spezifisch sind.

VideoClassificationModelMetadata

Modellmetadaten speziell für die Videoklassifizierung.

DeploymentState

Bereitstellungsstatus des Modells.

Enums
DEPLOYMENT_STATE_UNSPECIFIED Sollte nicht verwendet werden. Nicht festgelegte Enums haben standardmäßig diesen Wert.
DEPLOYED Modell wurde bereitgestellt.
UNDEPLOYED Modell wurde nicht bereitgestellt.

Methoden

batchPredict

 Führt eine Batchvorhersage durch.

create

 Erstellt ein Modell.

delete

 Löscht ein Modell.

deploy

 Implementiert ein Modell.

get

 Ruft ein Modell ab.

getIamPolicy

 Ruft die Zugriffssteuerungsrichtlinie für eine Ressource ab.

list

 Listet Modelle auf.

predict

 Führt eine Onlinevorhersage durch.

setIamPolicy

 Legt die Zugriffskontrollrichtlinie für die angegebene Ressource fest.

undeploy

 Macht die Bereitstellung eines Modells rückgängig.