Modelle aus Vertex AI Model Registry von einer Region in eine andere kopieren

Das Training Ihrer AutoML- und benutzerdefinierten Modelle in Vertex AI auf das gewünschte Niveau erfordert Zeit und ein wenig Probieren. Wenn Sie ein leistungsstarkes Modell haben, das Sie an einem anderen Standort verwenden möchten, ist das Training eines neuen Modells nicht die beste Option. Das Modelltraining ist nicht deterministisch. Daher ist es unwahrscheinlich, dass Sie ein identisches Modell mit identischen Daten erhalten. Darüber hinaus ist das Trainieren eines Modells in jeder Region keine hundertprozentig geeignete Möglichkeit, eine regionsübergreifende Modellverhaltenskonsistenz aufrechtzuerhalten. Hier kommt das Feature zum Kopieren des Modells ins Spiel. Mit der Funktion zum Kopieren von Vertex AI Model Registry-Modellen können Sie ein Modell problemlos aus der Vertex AI Model Registry in eine separate Region im selben Projekt kopieren.

Wenn Sie beim Kopieren eines Modells nicht die Modellversion angeben, die Sie kopieren möchten, wird die Standardversion kopiert. Weitere Informationen zum Modellstandard oder zum Modellalias finden Sie unter Modellaliasse verwenden.

Beschränkungen

Wenn Sie ein Modell kopieren, werden nicht alle Modellinformationen kopiert. Das kopierte Modell behält Folgendes nicht bei:

  • Versionsaliasse.
  • Die benutzerdefinierte Modell-ID: Sie können eine neue ID angeben, sobald das Modell kopiert wurde.
  • Jede vorhandene Modellbewertung.
  • Verschlüsselungsspezifikationen: Sie müssen beim Kopieren eine neue Spezifikation für Ihre Zielregion angeben.
  • Bereitstellungen und Batchvorhersagen.

AutoML- und benutzerdefinierte Modelle zwischen Standorten aus der Console kopieren

Console

Sie können Modelle als neues Modell innerhalb der Zielregion oder als neue Version eines vorhandenen Modells in dieser Region kopieren.

Verwenden Sie die folgende Anleitung, um Modelle zwischen Standorten zu kopieren.

  1. Rufen Sie in der Google Cloud Console die Seite Modelle auf. <a{: class="button button-primary" l10n-attrs-original-order="href,target,class,track-name,track-type" l10n-encrypted-href="eE471CdLRMtrJ6UgOX6O4ltigmNHgUGOXn/QVSGplOheMVJU/yDyZ/OoAbOtzTXtQQdc2CaGxVtVGC/5S+Yj6A==" target="console" track-name="consoleLink" track-type="tasks" }="">Zu „Modelle“ </a{:>
  2. Wählen Sie in Model Registry das Menü Weitere Aktionen aus.
  3. Klicken Sie auf In eine andere Region kopieren.
  4. Wählen Sie im Bereich „Modell kopieren“ die Version des Modells aus, das Sie kopieren möchten, und wählen Sie die Region aus, in die Sie kopieren möchten. Wenn Sie ein Modell zum ersten Mal kopieren, wird ihm in der neuen Region der Standardalias zugewiesen

AutoML- und benutzerdefinierte Modelle zwischen Standorten programmatisch kopieren

HTTP

Verwenden Sie das folgende Codebeispiel, um ein Modell mithilfe der Kopiermethode der Modellressource zu kopieren. Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • LOCATION: Die Region, in der Sie Vertex AI verwenden.
  • SOURCE_LOCATION: Die Vertex-AI-Region, aus der Sie das Modell kopieren.
  • PROJECT_ID: Projekt-ID oder Projektnummer
  • MODEL_ID: ID des zu kopierenden Modells.
  • VERSION_ID: (Optional) ID der zu kopierenden Modellversion (wenn nicht angegeben, wird die Standardversion kopiert)

HTTP-Methode und URL:

POST http://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/models:copy

JSON-Text der Anfrage:

"sourceModel": projects/PROJECT_ID/locations/SOURCE_LOCATION/models/MODEL_ID[@VERSION_ID]

curl:


curl -X POST \
-H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"http://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/models:copy"

Antwort

{
  "name": "projects/PROJECT_ID/locations/LOCATION/models/MODEL_COPY_ID/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CopyModelOperationMetadata",
    "genericMetadata": {
      "createTime": "2022-07-01T00:10:55.621355Z",
      "updateTime": "2022-07-01T00:10:55.621355Z"
    }
  }
}