ניהול מודלים של BigQuery ML ב-Gemini Enterprise Agent Platform

אתם יכולים לרשום מודלים של BigQuery ML במרשם המודלים של Vertex AI כדי לנהל אותם לצד המודלים של Gemini Enterprise Agent Platform בלי לייצא אותם. כשרושמים מודלים במרשם המודלים, אפשר להגדיר גרסאות, להעריך ולפרוס את המודלים לחיזוי אונליין באמצעות ממשק יחיד, בלי צורך במאגר חוויות מוצגות. אם אתם לא מכירים את Agent Platform ואת השילוב שלה עם BigQuery ML, קראו את המאמר Gemini Enterprise Agent Platform למשתמשי BigQuery.

סקירה כללית על קבלת חיזויים ב-Gemini Enterprise Agent Platform

במאמר מבוא למרשם המודלים של Vertex AI מוסבר איך לנהל את המודלים של BigQuery ML ממרשם המודלים של Vertex AI.

לפני שמתחילים

מפעילים את Agent Platform API, אם הוא עדיין לא מופעל.

התפקידים שנדרשים כדי להפעיל ממשקי API

כדי להפעיל ממשקי API, צריך את ההרשאה serviceusage.services.enable. אם אתם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד "בעלים" (roles/owner). אחרת, תוכלו לקבל את ההרשאה הזו דרך התפקיד "אדמין בממשק 'שימוש בשירות'" (roles/serviceusage.serviceUsageAdmin). כך מקצים תפקידים.

להפעלת ה-API

ההרשאות הנדרשות

כדי לקבל את ההרשאות שנדרשות לרישום מודלים של BigQuery ML ב-Model Registry, בקשו מהאדמין להקצות לכם את התפקיד אדמין של פלטפורמת הסוכנים (roles/aiplatform.admin) ב-IAM בפרויקט. כדי לקרוא הסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

יכול להיות שאפשר לקבל את ההרשאות הנדרשות גם באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש.

רישום מודלים

כשיוצרים מודל BigQuery ML, אפשר לרשום אותו ב-Model Registry בדרכים הבאות:

  • במסוף Google Cloud , בוחרים את המודל בחלונית Explorer ולוחצים על Register בכרטיסייה Registry. (גרסת טרום-השקה (Preview))
  • משתמשים בהצהרה CREATE MODEL. בהצהרה CREATE MODEL, אתם יכולים להשתמש באפשרויות הבאות כדי לרשום את המודל ב-מרשם המודלים:

    • ‫MODEL_REGISTRY: רישום המודל במרשם המודלים.
    • ‫VERTEX_AI_MODEL_ID: מציינים את מזהה המודל שבו רוצים להשתמש במודל ב-Model Registry. מזהה המודל משויך למודל של BigQuery ML, ומופיע במרשם המודלים. אפשר לרשום כל מודל של BigQuery ML רק למזהה מודל אחד במרשם המודלים.
    • ‫VERTEX_AI_MODEL_VERSION_ALIASES: מציינים כינוי אחד או יותר לגרסת המודל, שבהם אפשר להשתמש כדי לייעל את הפריסה, לנהל מודלים ולהפעיל את Vertex AI ניתן להסברה במודלים.

    אם מגדירים את האפשרות MODEL_REGISTRY כשיוצרים מודל, המודל נרשם ב-Model Registry ומוצג שם באופן אוטומטי אחרי שהאימון שלו ב-BigQuery ML מסתיים. אפשר להשתמש בעמודה Source בדף מרשם המודלים במסוףGoogle Cloud כדי לראות מה המקור של מודל.

אחרי שרושמים מודל של BigQuery ML, אפשר להשתמש ביכולות הבאות של Model Registry עם המודל:

כל המודלים שנוצרו באמצעות BigQuery ML עדיין מוצגים בממשק המשתמש של BigQuery, גם אם הם לא רשומים במרשם המודלים.

בדוגמה הבאה אפשר לראות איך יוצרים ורושמים מודל k-means:

CREATE OR REPLACE MODEL `mydataset.my_kmeans_model`
  MODEL_TYPE = 'KMEANS',
  MODEL_REGISTRY = 'VERTEX_AI',
  VERTEX_AI_MODEL_ID = 'customer_clustering';

רישום מודל קיים של BigQuery ML ב-Model Registry

אם לא רושמים מודל ל-Agent Platform כשיוצרים אותו, אפשר להשתמש ב-SQL, בכלי שורת הפקודה של BigQuery או ב-BigQuery API כדי לרשום אותו אחר כך.

בדוגמאות הבאות מוסבר איך לרשום מודל קיים:

המסוף

  1. נכנסים לדף BigQuery.

    כניסה ל-BigQuery

  2. בחלונית הימנית, לוחצים על Explorer:

    כפתור מודגש לחלונית Explorer.

    אם החלונית הימנית לא מוצגת, לוחצים על הרחבת החלונית הימנית כדי לפתוח אותה.

  3. בחלונית Explorer, לוחצים על Datasets ואז על מערך נתונים שמכיל את המודל.

  4. לוחצים על הכרטיסייה Models ואז על המודל שרוצים לרשום.

  5. בחלונית פרטי המודל, לוחצים על הכרטיסייה Registry.

  6. לוחצים על הרשמה.

  7. בחלונית Register model to Vertex מרשם המודלים, מבצעים אחת מהפעולות הבאות:

    • בוחרים באפשרות רישום כמודל חדש. בשדה Model name, מקלידים שם למודל.

    • בוחרים באפשרות Register as a new version of an existing model.

      1. בשדה Model name, מקלידים שם למודל.
      2. זה שינוי אופציונלי. אם רוצים להשתמש בשם חלופי לגרסה, בוחרים באפשרות Version alias ומקלידים שם חלופי לגרסה.
  8. לוחצים על הרשמה.

SQL

משתמשים בהצהרה ALTER MODEL:

ALTER MODEL IF EXISTS mymodel SET OPTIONS (vertex_ai_model_id='my_vertex_ai_model_id');

BQ

משתמשים בפקודה bq update עם הדגל --model:

  bq update --model --vertex_ai_model_id 'my_vertex_ai_model_id' myproject:mydataset.mymodel

API

משתמשים ב-models.patch method. מעבירים אובייקט Model שמכיל אובייקט trainingRuns עם שדה vertexAiModelId מאוכלס:

{
  "trainingRuns": [
    {
      "vertexAiModelId": my_vertex_ai_model_id
    }
}

רישום כמה גרסאות של מודלים של BigQuery ML

המודל הראשון של BigQuery ML שאתם רושמים במזהה מודל מסוים מוצג כגרסה 1 של המודל הזה ב-מרשם המודלים. כדי לרשום מודלים נוספים של BigQuery ML כגרסאות שונות של המודל הרשום, צריך לציין את אותו מזהה מודל של Agent Platform כשיוצרים או משנים את המודלים האלה של BigQuery ML.

לדוגמה, אתם יכולים ליצור את model1 ב-BigQuery ML ולרשום אותו ב-מרשם המודלים בתור regression_model. ‫model1 מוצג כגרסה 1 של regression_model במרשם המודלים. אם יוצרים את model2 ב-BigQuery ML ורושמים אותו ב-מרשם המודלים בתור regression_model, המודל model2 מוצג בתור גרסה 2 של regression_model ב-מרשם המודלים.

אם יוצרים או מחליפים מודל של BigQuery ML ומשתמשים בשם של מודל BigQuery ML שכבר משויך למודל ב-Model Registry, גרסת המודל הקיימת ב-Model Registry נמחקת ומוחלפת במודל החדש. בהמשך לדוגמה הקודמת, אם יוצרים או מחליפים את model2 ב-BigQuery ML באמצעות ההצהרה CREATE OR REPLACE MODEL עם האפשרויות MODEL_REGISTRY ו-VERTEX_AI_MODEL_ID, גרסה 2 של regression_model במרשם המודלים מוחלפת, ובמרשם המודלים מוצגות גרסה 1 וגרסה 3 של המודל regression_model.

שינוי מזהה המודל של מודל BigQuery ML רשום

אחרי שרושמים מודל BigQuery ML ב-Model Registry, אי אפשר לשנות את הערך של VERTEX_AI_MODEL_ID. כדי לרשום את המודל עם VERTEX_AI_MODEL_ID חדש, משתמשים באחת מהאפשרויות הבאות:

  • מוחקים את המודל ויוצרים אותו מחדש, ומציינים ערך חדש לאפשרות VERTEX_AI_MODEL_ID. הגישה הזו כרוכה בעלויות של אימון מחדש.

  • מעתיקים את המודל, ואז משתמשים בהצהרה ALTER MODEL כדי לרשום את המודל החדש עם ערך VERTEX_AI_MODEL_ID חדש.

שיקולים בקשר למיקום

אם רושמים מודל BigQuery ML במספר אזורים ב-Model Registry, המודל הופך למודל אזורי ב-Agent Platform. מודל של BigQuery ML במספר אזורים בארה"ב מסונכרן עם Agent Platform‏ (us-central1), ומודל של BigQuery ML במספר אזורים באיחוד האירופי מסונכרן עם Agent Platform‏ (europe-west4). במודלים של אזור יחיד אין שינויים.

במאמר בחירת מיקום מוסבר איך לעדכן את מיקומי המודלים.

פריסת מודל ב-Agent Platform

יש כמה שיטות לפריסת מודל בנקודת קצה ב-Agent Platform. למידע נוסף, קראו את המאמר פריסת מודל בנקודת קצה (endpoint).

מחיקת מודלים של BigQuery ML ממרשם המודלים

כדי למחוק מודל של BigQuery ML מ-מרשם המודלים, צריך למחוק את המודל ב-BigQuery ML. המודל יוסר אוטומטית ממרשם המודלים.

יש כמה דרכים למחוק מודל BigQuery ML. מידע נוסף זמין במאמר מחיקת מודלים.

אם רוצים למחוק מודל ב-BigQuery ML שנרשם ב-Model Registry ונפרס בנקודת קצה, קודם צריך לבטל את הפריסה של המודל באמצעות Model Registry. אחר כך תוכלו לחזור ל-BigQuery ML ולמחוק את המודל. למידע נוסף על ביטול פריסה של מודל, ראו מחיקת נקודת קצה (endpoint).

מגבלות