בעזרת Vertex ML Metadata אתם יכולים לעקוב אחרי המטא-נתונים שנוצרו בתהליכי העבודה של למידת המכונה (ML) ולנתח אותם. אם אתם לא מכירים את Vertex ML Metadata, כדאי לקרוא את המבוא ל-Vertex ML Metadata כדי ללמוד עוד על מעקב וניתוח של המטא-נתונים של תהליך העבודה של למידת המכונה.
במדריך הזה נסביר איך לתעד מטא-נתונים באמצעות התהליך הבא:
- יוצרים Execution שמייצג שלב בתהליך העבודה של למידת המכונה.
- חיפוש מהיר פריטי מידע שנוצרו בתהליך הפיתוח (Artifact) קיימים כדי למצוא פריטי מידע שנוצרו בתהליך הפיתוח (Artifact) של קלט שכבר נכתבו במאגר המטא-נתונים.
- יוצרים פריטי מידע לקלט של ההפעלה שעדיין לא נכתב למאגר המטא-נתונים, ולכל פלט שנוצר על ידי ההפעלה הזו.
- יוצרים אירועים כדי לייצג את הקשר בין ההפעלה לבין פריטי המידע שנוצרו בתהליך (Artifact) של הקלט והפלט שלה.
אם רוצים, מוסיפים את ההפעלה והפריטים ל-Context. אפשר להשתמש בהקשר כדי לקבץ יחד קבוצות של הפעלות ופריטי מידע שנוצר. לדוגמה, אם אתם עורכים ניסוי כדי למצוא את קבוצת ההיפר-פרמטרים הטובה ביותר לאימון מודל, כל ניסוי יכול להיות הרצה שונה עם קבוצת פרמטרים ומדדים משלו. אתם יכולים להשוות בין ההפעלות בהקשר מסוים כדי למצוא את הניסוי שהפיק את המודל הטוב ביותר.
כדי להוסיף הפעלה וארטיפקטים להקשר, צריך ליצור הקשר.
יש שתי דרכים ליצור נכסים של Vertex ML Metadata. אתם יכולים להשתמש בפקודות REST או ב-Agent Platform SDK ל-Python. ה-SDK של Python מפשט את היצירה והגילוי של סוגי נכסים שונים. כשיוצרים הפעלות באמצעות Python, לא צריך ליצור את המטען הייעודי (payload) באופן ידני.
לפני שמתחילים
בפעם הראשונה שמשתמשים ב-Vertex ML Metadata בפרויקט, Gemini Enterprise Agent Platform יוצר את מאגר Vertex ML Metadata של הפרויקט.Google Cloud
אם אתם רוצים להצפין את המטא-נתונים באמצעות מפתחות הצפנה בניהול הלקוח (CMEK), אתם צריכים ליצור את מאגר המטא-נתונים באמצעות CMEK לפני שתשתמשו ב-Vertex ML Metadata כדי לעקוב אחרי המטא-נתונים או לנתח אותם. כדי להגדיר את מאגר המטא-נתונים של הפרויקט, פועלים לפי ההוראות במאמר יצירת מאגר מטא-נתונים שמשתמש ב-CMEK.
יצירת הפעלה
הפעלות מייצגות שלב בתהליך העבודה של למידת המכונה. כדי ליצור הפעלה, פועלים לפי ההוראות הבאות.
REST
לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:
- LOCATION_ID: האזור שלכם.
- PROJECT_ID: מזהה הפרויקט.
- METADATA_STORE: המזהה של מאגר המטא-נתונים שבו נוצרת ההפעלה.
מאגר המטא-נתונים שמוגדר כברירת מחדל נקרא
default. - EXECUTION_ID: המזהה של רשומת ההפעלה. אם לא מציינים את מזהה ההפעלה, המערכת של Vertex ML Metadata יוצרת מזהה ייחודי להפעלה הזו.
- DISPLAY_NAME: השם המוצג של ההפעלה. השדה הזה יכול להכיל עד 128 תווים בפורמט Unicode.
- EXECUTION_STATE: (אופציונלי) ערך מתוך State enumeration שמייצג את המצב הנוכחי של ההפעלה. השדה הזה מנוהל על ידי אפליקציות לקוח. Vertex ML Metadata לא בודק את התקינות של מעברי המצבים.
- METADATA_SCHEMA_TITLE: שם הסכימה שמתארת את שדה המטא-נתונים. השם של הסכימה צריך להיות בפורמט `
. `. מרחב השמות צריך להתחיל באות קטנה, יכול להכיל אותיות קטנות ומספרים, והאורך שלו יכול להיות בין שניים ל-20 תווים. שם הסכימה חייב להתחיל באות רישית, יכול לכלול אותיות ומספרים, ויכול להיות באורך של שניים עד 49 תווים. - METADATA_SCHEMA_VERSION: (אופציונלי) גרסת הסכימה שמתארת את שדה המטא-נתונים.
schema_versionחייב להיות מחרוזת של שלושה מספרים שמופרדים בנקודות, למשל 1.0.0, 1.0.1. הפורמט הזה עוזר לסדר ולהשוות בין גרסאות. - METADATA: (אופציונלי) מאפיינים שמתארים את ההפעלה, כמו הפרמטרים של ההפעלה.
- DESCRIPTION: (אופציונלי) מחרוזת קריאה לאנשים שמתארת את מטרת ההפעלה שרוצים ליצור.
- LABELS: אופציונלי. מטא-נתונים שמוגדרים על ידי המשתמש כדי לארגן את ההפעלות.
ה-method של ה-HTTP וכתובת ה-URL:
POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/executions?executionId=EXECUTION_ID
תוכן בקשת JSON:
{
"displayName": "DISPLAY_NAME",
"state": "EXECUTION_STATE",
"schemaTitle": "METADATA_SCHEMA_TITLE",
"schemaVersion": "METADATA_SCHEMA_VERSION",
"metadata": {
METADATA
},
"labels": {"LABEL_1":"LABEL_2"},
"description": "DESCRIPTION"
}
כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:
אתם אמורים לקבל תגובת JSON שדומה לזו:
{
"name": "projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/executions/EXECUTION_ID",
"displayName": "Example Execution",
"etag": "67891011",
"labels": {
"test_label": "test_label_value"
},
"createTime": "2021-05-18T00:04:49.659Z",
"updateTime": "2021-05-18T00:04:49.659Z",
"schemaTitle": "system.Run",
"schemaVersion": "0.0.1",
"metadata": {},
"description": "Description of the example execution."
}
Python
Python
-
display_name: השם המוצג של ההפעלה. השדה הזה יכול להכיל עד 128 תווים בפורמט Unicode. -
input_artifacts: רשימה של מופע אחד או יותר של aiplatform.Artifact שמייצג פריט קלט. -
output_artifacts:רשימה של מופע אחד או יותר של aiplatform.Artifact שמייצג פלט של פריט מידע שנוצר בתהליך העבודה. project: . אפשר למצוא את המזהים האלה בדף הכניסה למסוף Google Cloud .-
location: ראו רשימת המיקומים הזמינים. -
execution_id: המזהה של רשומת ההפעלה. אם לא מציינים את מזהה ההפעלה, המערכת של Vertex ML Metadata יוצרת מזהה ייחודי להפעלה הזו. -
metadata: מאפיינים שמתארים את ההפעלה, כמו הפרמטרים של ההפעלה. -
schema_version:גרסת הסכימה שמתארת את שדה המטא-נתונים. -
description: (אופציונלי) מחרוזת קריאה לאנשים שמתארת את מטרת ההפעלה שרוצים ליצור.
חיפוש מהיר של פריט מידע קיים
ארטיפקטים מייצגים נתונים שמשמשים את תהליך העבודה של ML או נוצרים על ידו, כמו מערכי נתונים ומודלים. כדי לחפש פריט מידע קיים, פועלים לפי ההוראות הבאות.
REST
לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:
- LOCATION_ID: האזור שלכם.
- PROJECT_ID: .
- METADATA_STORE: המזהה של מאגר המטא-נתונים שבו נוצר פריט המידע.
מאגר המטא-נתונים שמוגדר כברירת מחדל נקרא
default. - PAGE_SIZE: (אופציונלי) המספר המקסימלי של פריטי המידע שיוחזרו. אם לא מציינים ערך, השירות מחזיר עד 100 רשומות.
- PAGE_TOKEN: (אופציונלי) אסימון דף מקריאה קודמת ל-MetadataService.ListArtifacts. צריך לציין את הטוקן הזה כדי לקבל את דף התוצאות הבא.
FILTER: מציין את התנאים הנדרשים כדי לכלול פריט מידע בקבוצת התוצאות.
ה-method של ה-HTTP וכתובת ה-URL:
GET https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/artifacts?pageSize=PAGE_SIZE&pageToken=PAGE_TOKEN&filter=FILTER
כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:
הפלט אמור להיראות כך: ARTIFACT_ID הוא המזהה של רשומת פריט המידע שנוצר.
{
"artifacts": [
{
"name": "projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/default/artifacts/ARTIFACT_ID",
"displayName": "Example artifact",
"uri": "gs://your_bucket_name/artifacts/dataset.csv",
"etag": "67891011",
"createTime": "2021-05-18T00:33:13.833Z",
"updateTime": "2021-05-18T00:33:13.833Z",
"state": "LIVE",
"schemaTitle": "system.Dataset",
"schemaVersion": "0.0.1",
"metadata": {
"payload_format": "CSV"
},
"description": "Description of the example artifact."
},
{
"name": "projects/PROJECT_ID/locations/LOCATION/metadataStores/METADATA_STORE/artifacts/ARTIFACT_ID",
"displayName": "Another example artifact",
"uri": "gs://your_bucket_name/artifacts/dataset-2.csv",
"etag": "67891012",
"createTime": "2021-05-18T00:29:24.344Z",
"updateTime": "2021-05-18T00:29:24.344Z",
"state": "LIVE",
"schemaTitle": "system.Dataset",
"schemaVersion": "0.0.1",
"metadata": {
"payload_format": "CSV"
},
"description": "Description of the other example artifact."
}
]
}
Python
Python
project: . אפשר למצוא את המזהים האלה בדף הכניסה למסוף Google Cloud .-
location: ראו רשימת המיקומים הזמינים. -
display_name_filter: מסנן שיוחל על השם המוצג בזמן הצגת המשאבים בפורמט "display_name=\"my_filter\"" . -
create_date_filter: מסנן שיוחל על השם create_date בזמן הצגת המשאבים בפורמט "create_time>\"2022-06-11T12:30:00-08:00\"",.
יצירה של פריט מידע שנוצר בתהליך פיתוח (Artifact)
כדי ליצור פריט מידע, פועלים לפי ההוראות הבאות.
REST
לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:
- LOCATION_ID: האזור שלכם.
- PROJECT_ID: .
- METADATA_STORE: המזהה של מאגר המטא-נתונים שבו נוצר פריט המידע.
מאגר המטא-נתונים שמוגדר כברירת מחדל נקרא
default. - ARTIFACT_ID: (אופציונלי) המזהה של רשומת פריט המידע שנוצר. אם לא מציינים את מזהה פריט המידע, המערכת של Vertex ML Metadata יוצרת מזהה ייחודי לפריט המידע הזה.
- DISPLAY_NAME: (אופציונלי) השם שהמשתמש הגדיר לפריט המידע שנוצר בתהליך.
- URI: (אופציונלי) המיקום שבו מאוחסן פריט המידע שנוצר בתהליך הפיתוח (artifact)
- ARTIFACT_STATE: (אופציונלי) ערך מתוך State enumeration שמייצג את המצב הנוכחי של פריט המידע שנוצר בתהליך הפיתוח (Artifact). השדה הזה מנוהל על ידי אפליקציות לקוח. ב-Vertex ML Metadata לא מתבצעת בדיקה של תקינות מעברי המצבים.
- METADATA_SCHEMA_TITLE: שם הסכימה שמתארת את שדה המטא-נתונים. השם של הסכימה צריך להיות בפורמט `
. `. מרחב השמות צריך להתחיל באות קטנה, יכול להכיל אותיות קטנות ומספרים, והאורך שלו יכול להיות בין שניים ל-20 תווים. שם הסכימה חייב להתחיל באות רישית, יכול לכלול אותיות ומספרים, ויכול להיות באורך של שניים עד 49 תווים. - METADATA_SCHEMA_VERSION: (אופציונלי) גרסת הסכימה שמתארת את שדה המטא-נתונים.
schema_versionחייב להיות מחרוזת של שלושה מספרים שמופרדים בנקודות, למשל 1.0.0, 1.0.1. הפורמט הזה עוזר לסדר ולהשוות בין גרסאות. - METADATA: (אופציונלי) מאפיינים שמתארים את פריט המידע, כמו סוג מערך הנתונים.
- DESCRIPTION: (אופציונלי) מחרוזת קריאה לאנשים שמתארת את מטרת ההפעלה שרוצים ליצור.
- LABELS:אופציונלי. מטא-נתונים שמוגדרים על ידי המשתמשים כדי לארגן את פריטי המידע שנוצרו בתהליך הפיתוח (Artifact).
ה-method של ה-HTTP וכתובת ה-URL:
POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/artifacts?artifactId=ARTIFACT_ID
תוכן בקשת JSON:
{
"displayName": "DISPLAY_NAME",
"uri": "URI",
"state": "ARTIFACT_STATE",
"schemaTitle": "METADATA_SCHEMA_TITLE",
"schemaVersion": "METADATA_SCHEMA_VERSION",
"metadata": {
METADATA
},
"labels": {"LABEL_1":"LABEL_2"},
"description": "DESCRIPTION"
}
כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:
אתם אמורים לקבל תגובת JSON שדומה לזו:
{
"name": "projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/default/artifacts/ARTIFACT_ID",
"displayName": "Example artifact",
"uri": "gs://your_bucket_name/artifacts/dataset.csv",
"etag": "67891011",
"labels": {
"test_label": "test_label_value"
},
"createTime": "2021-05-18T00:29:24.344Z",
"updateTime": "2021-05-18T00:29:24.344Z",
"state": "LIVE",
"schemaTitle": "system.Dataset",
"schemaVersion": "0.0.1",
"metadata": {
"payload_format": "CSV"
},
"description": "Description of the example artifact."
}
Python
Python
project: . אפשר למצוא את המזהים האלה בדף הכניסה למסוף Google Cloud .-
location: ראו רשימת המיקומים הזמינים. -
uri: (אופציונלי) מזהה המשאב האחיד (URI) של קובץ פריט המידע, אם קיים. יכול להיות ריק אם אין קובץ ארטיפקט בפועל. -
artifact_id: (אופציונלי) המזהה של רשומת פריט המידע שנוצר. אם לא מציינים את מזהה פריט המידע, המערכת של Vertex ML Metadata יוצרת מזהה ייחודי לפריט המידע הזה. -
display_name: (אופציונלי) השם שהמשתמש הגדיר לפריט המידע שנוצר בתהליך. -
schema_version: גרסת הסכימה שמתארת את שדה המטא-נתונים. -
description: (אופציונלי) מחרוזת קריאה לאנשים שמתארת את מטרת פריט המידע שנוצר. -
metadata: מאפיינים שמתארים את פריט המידע, כמו הפרמטרים של פריט המידע.
יצירת אירועים כדי לקשר פריטי מידע לתהליך ביצוע
אירועים מייצגים את הקשר בין ביצוע לבין פריטי המידע שנוצרו בתהליך של הקלט והפלט שלו. כדי ליצור אירועים לקישור פריטי מידע שנוצרו בתהליך הפיתוח (Artifact) להפעלה, פועלים לפי ההוראות הבאות.
REST
לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:
- LOCATION_ID: האזור שלכם.
- PROJECT_ID: .
- METADATA_STORE: המזהה של מאגר המטא-נתונים שבו נוצרת ההפעלה.
מאגר המטא-נתונים שמוגדר כברירת מחדל נקרא
default. - EXECUTION_ID: המזהה של רשומת ההפעלה.
ARTIFACT: שם המשאב של פריט המידע שנוצר. הפורמט של שם המשאב הוא:
projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/artifacts/ARTIFACT_ID- EVENT_TYPE: (אופציונלי) ערך מתוך EventType Enumeration שמציין אם פריט המידע שנוצר הוא קלט או פלט של ההפעלה.
ה-method של ה-HTTP וכתובת ה-URL:
POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/executions/EXECUTION_ID:addExecutionEvents
תוכן בקשת JSON:
{
"events": [
{
"artifact": "projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/artifacts/ARTIFACT_ID",
"type": "EVENT_TYPE"
}
]
}
כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:
אמורים לקבל קוד סטטוס של הצלחה (2xx) ותגובה ריקה.
Python
Python
-
input_artifacts: רשימה של מופע אחד או יותר של aiplatform.Artifact שמייצג פריט מידע שנוצר בתהליך (artifact) של קלט. -
output_artifacts: רשימה של מופע אחד או יותר של aiplatform.Artifact שמייצג פלט של פריט מידע שנוצר בתהליך העבודה. project: . אפשר למצוא את המזהים האלה בדף הכניסה למסוף Google Cloud .-
location: ראו רשימת המיקומים הזמינים. -
execution_id: המזהה של רשומת ההפעלה. אם לא מציינים את מזהה ההפעלה, המערכת של Vertex ML Metadata יוצרת מזהה ייחודי להפעלה הזו. metadataמאפיינים שמתארים את ההפעלה, כמו הפרמטרים של ההפעלה.-
schema_version: גרסת הסכימה שמתארת את שדה המטא-נתונים. -
description: (אופציונלי) מחרוזת קריאה לאנשים שמתארת את מטרת ההפעלה שרוצים ליצור.
יצירת הקשר
הקשרים מאפשרים לקבץ יחד קבוצות של פריטי מידע שנוצרו בתהליך הפיתוח ושל הפעלות. כדי ליצור הקשר, פועלים לפי ההוראות הבאות. שימו לב שב-Vertex AI Experiments נוצר הקשר שמתעד באופן אוטומטי פריטי מידע שנוצר ופעולות שבוצעו בהקשר הזה (ראו יצירה או מחיקה של ניסוי).
REST
לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:
- LOCATION_ID: האזור שלכם.
- PROJECT_ID: .
- METADATA_STORE:המזהה של מאגר המטא-נתונים שבו נוצרת ההפעלה.
מאגר המטא-נתונים שמוגדר כברירת מחדל נקרא
default. - CONTEXT_ID: (אופציונלי) המזהה של רשומת ההקשר. אם לא צוין מזהה הקשר, המערכת של Vertex ML Metadata יוצרת מזהה ייחודי להקשר הזה.
- DISPLAY_NAME: השם המוצג של ההקשר. השדה הזה יכול להכיל עד 128 תווים בפורמט Unicode.
- PARENT_CONTEXT: מציינים את שם המשאב של כל הקשר הורה. להקשר לא יכולים להיות יותר מ-10 הקשרי הורה.
- METADATA_SCHEMA_TITLE: שם הסכימה שמתארת את שדה המטא-נתונים. השם של הסכימה צריך להיות בפורמט `
. `. מרחב השמות צריך להתחיל באות קטנה, יכול להכיל אותיות קטנות ומספרים, והאורך שלו יכול להיות בין שניים ל-20 תווים. שם הסכימה חייב להתחיל באות רישית, יכול לכלול אותיות ומספרים, ויכול להיות באורך של שניים עד 49 תווים. - METADATA_SCHEMA_VERSION: (אופציונלי) גרסת הסכימה שמתארת את שדה המטא-נתונים.
schema_versionחייב להיות מחרוזת של שלושה מספרים שמופרדים בנקודות, למשל 1.0.0, 1.0.1. הפורמט הזה עוזר לסדר ולהשוות בין גרסאות. - METADATA: מאפיינים שמתארים את ההקשר, כמו הפרמטרים של ההקשר.
- DESCRIPTION:(אופציונלי) מחרוזת קריאה לאנשים שמתארת את מטרת ההפעלה שרוצים ליצור.
- LABELS: אופציונלי. מטא-נתונים שהמשתמש מגדיר כדי לארגן את ההקשרים.
ה-method של ה-HTTP וכתובת ה-URL:
POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/contexts?contextId=CONTEXT_ID
תוכן בקשת JSON:
{
"displayName": "DISPLAY_NAME:",
"parentContexts": [
"PARENT_CONTEXT_1",
"PARENT_CONTEXT_2"
],
"schemaTitle": "METADATA_SCHEMA_TITLE",
"schemaVersion": "METADATA_SCHEMA_VERSION",
"metadata": {
METADATA
},
"labels": {"LABEL_1":"LABEL_2"},
"description": "DESCRIPTION"
}
כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:
הפלט אמור להיראות כך: CONTEXT_ID הוא המזהה של רשומת ההקשר.
{
"name": "projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/contexts/CONTEXT_ID",
"displayName": "Example context:",
"etag": "67891011",
"labels": {
"test_label": "test_label_value"
},
"createTime": "2021-05-18T01:52:51.642Z",
"updateTime": "2021-05-18T01:52:51.642Z",
"schemaTitle": "system.Experiment",
"schemaVersion": "0.0.1",
"metadata": {},
"description": "Description of the example context."
}
Python
Python
-
display_name: השם המוצג של ההקשר. השדה הזה יכול להכיל עד 128 תווים בפורמט Unicode. project: . אפשר למצוא את המזהים האלה בדף הכניסה למסוף Google Cloud .-
location: ראו רשימת המיקומים הזמינים. -
context_id: (אופציונלי) המזהה של רשומת ההקשר. metadataמאפיינים שמתארים את ההקשר, כמו הפרמטרים של ההקשר.-
schema_version: גרסת הסכימה שמתארת את שדה המטא-נתונים. -
description: (אופציונלי) מחרוזת קריאה לאנשים שמתארת את מטרת ההקשר שנוצר.
הוספת פריטי מידע וביצועים להקשר
כדי להוסיף פריטי מידע והפעלות להקשר, פועלים לפי ההוראות הבאות.
REST
לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:
- LOCATION_ID: האזור שלכם.
- PROJECT_ID: .
- METADATA_STORE: המזהה של מאגר המטא-נתונים שבו נוצרת ההפעלה.
מאגר המטא-נתונים שמוגדר כברירת מחדל נקרא
default. - CONTEXT: (אופציונלי) המזהה של רשומת ההקשר.
מציינים את שם המשאב של ARTIFACT לכל פריט מידע שרוצים להוסיף להקשר הזה. הפורמט של שם המשאב הוא:
projects/PROJECT_ID/locations/location/metadataStores/metadata-store/artifacts/artifactמציינים את שם המשאב EXECUTION של כל הפעלה שרוצים להוסיף להקשר הזה. שם המשאב מופיע בפורמט הבא:
projects/PROJECT_ID/locations/location/metadataStores/metadata-store/executions/execution
ה-method של ה-HTTP וכתובת ה-URL:
POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/contexts/CONTEXT:addContextArtifactsAndExecutions
תוכן בקשת JSON:
{
"artifacts": [
"projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/artifacts/ARTIFACT_ID"
],
"executions": [
"projects/PROJECT_ID/locations/LOCATION_ID/metadataStores/METADATA_STORE/executions/EXECUTION_ID"
]
}
כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:
אמורים לקבל קוד סטטוס של הצלחה (2xx) ותגובה ריקה.