问题标签 [google-cloud-vertex-ai]

我已经构建了一个 GCP Vertex AutoML 图像分类模型并部署到端点。它在“部署和测试”选项卡中效果很好。让其他无法访问项目的人通过 GUI 进行尝试的最简单方法是什么？所需的功能是从您的计算机上传图像并让模型输出预测的类。

是否有我可以使用的现有工具（必须是 GUI，而不是命令行）？如果不是，构建这样的前端最简单的方法是什么？

我正在关注 python api 文档来创建 AutoMLTabularTrainingJob ：https://cloud.google.com/vertex-ai/docs/training/automl-api#tabular。它使用包含训练/有效/测试拆分的数据集成功训练。遵循此文档后，我还可以获得模型评估指标：https ://cloud.google.com/vertex-ai/docs/training/evaluate-automl-models

但是，我无法找到一种方法来获取用于生成模型评估指标的原始预测。任何指针将不胜感激！

我是否必须再次请求批量预测？https://cloud.google.com/vertex-ai/docs/predictions/batch-predictions#tabular

我的用例是这样的。我想将一个训练应用程序（目前是一个独立的 python 应用程序）移动到谷歌云，并且使用预构建容器的自定义训练应用程序看起来很有希望。但是，用于训练的数据并不存在于 BigQuery 或云存储或任何其他谷歌云存储服务中，而是存在于 mongodb 中。目前，我们所做的是从 python 应用程序对 java 应用程序进行 api 调用，该应用程序从 mongodb 返回所需的训练数据。我的假设是，如果我们将 python 应用程序作为自定义训练应用程序移植到 Vertex AI 上，我们仍然能够做到这一点，即从自定义应用程序对 java 应用程序进行 api 调用并检索训练数据以进行进一步处理和训练等等

我们将顶点 Ai 特征存储用于 poc。我们想删除特征存储并备份已删除的特征存储，这样我们就可以从备份中检索数据并在将来使用它，从而降低成本。可能吗？由于顶点人工智能是谷歌的新产品，我们无法找到任何解决方案。有人可以帮我吗？

在 GCP 上使用 Vertex AI 笔记本实例内核时，每次我的系统休眠时，笔记本都会分离。

即使我的系统关闭，我怎样才能让我的笔记本电脑继续运行？

我想使用多个数据集在 gcp 的顶点 ai 上训练一个 automl 模型。我想将数据集分开，因为它们来自不同的来源，想单独训练它们等等。这可能吗？或者我需要创建一个包含两个数据集的数据集吗？看起来我只能在 Web UI 中选择一个数据集。

有没有人有谷歌云管道组件文档的工作链接。“ReadTheDocs page”下的github 页面中的链接已损坏。尝试了其他一些教程笔记本，例如这个，“组件在此处记录”下的链接。好像也坏了。

编辑：

现在链接已经上线了。

我已将我的训练代码打包为 python 包，然后能够在 Vertex AI 上将其作为自定义训练作业运行。现在，我希望能够安排这项工作运行，比如每 2 周运行一次，然后重新训练模型。CustomJoBSpec 中的调度设置仅允许 2 个字段，“超时”和“restartJobOnWorkerRestart”，因此无法使用 CustomJobSpec 中的调度设置。我能想到的实现这一点的一种方法是使用“CustomPythonPackageTrainingJobRunOp”Google Cloud Pipeline 组件一步创建一个 Vertex AI 管道，然后安排管道以我认为合适的方式运行。是否有更好的选择来实现这一目标？

编辑：

我能够使用 Cloud Scheduler 安排自定义训练作业，但我发现在 AIPlatformClient 中使用 create_schedule_from_job_spec 方法在 Vertex AI 管道中非常易于使用。我在 gcp 中使用 Cloud Scheduler 安排自定义作业的步骤如下，链接到谷歌文档：

1. 将目标类型设置为 HTTP
2. 对于指定自定义作业的 url，我按照此链接获取 url
3. 对于身份验证，在 Auth 标头下，我选择了“添加 OAauth 令牌”

您还需要在项目中拥有一个“Cloud Scheduler 服务帐户”以及“授予它的 Cloud Scheduler 服务代理角色”。虽然文档说如果您在 2019 年 3 月 19 日之后启用 Cloud Scheduler API，这应该已经自动设置，但对我来说并非如此，并且必须手动添加具有角色的服务帐户。

我在 VertexAI 管道中使用谷歌云管道组件 CustomPythonPackageTrainingJobRunOp。我之前已经能够将这个包作为 CustomTrainingJob 成功运行。我可以在日志中看到多条 (11) 条错误消息，但唯一对我来说似乎有意义的是“ValueError: too many values to unpack (expected 2)”，但我无法找出解决方案。如果需要，我也可以添加所有其他错误消息。我在训练代码开始时记录了一些消息，所以我知道错误发生在训练代码执行之前。我完全坚持这一点。链接到有人在管道中使用 CustomPythonPackageTrainingJobRunOp 的示例也非常有用。下面是我试图执行的管道代码：

在 CustomPythonPackageTrainingJobRunOp 的文档中，参数“python_module”的类型似乎是“google.cloud.aiplatform.training_jobs.CustomPythonPackageTrainingJob”而不是字符串，这看起来很奇怪。但是，我尝试重新定义管道，其中我已将 CustomPythonPackageTrainingJobRunOp 中的参数 python_module 替换为 CustomPythonPackageTrainingJob 对象而不是字符串，如下所示，但仍然出现相同的错误：

编辑：

添加了我正在传递但忘记在此处添加的参数。

我正在寻找带有“CustomPythonPackageTrainingJobRunOp”谷歌云管道组件的示例或教程笔记本。我一直在尝试使用它，但不断出错。

PS：我已经在这里发布了一个关于错误的问题，并且还请求了一个示例，但是再次发布了关于该示例的帖子，因为我觉得那是一个很长的帖子，并且该请求被其他代码细节所掩盖。