L'entraînement de vos modèles AutoML et personnalisés dans Vertex AI au niveau souhaité nécessite d'y consacrer du temps et différents tests. Si vous disposez d'un modèle performant que vous souhaitez utiliser dans un autre emplacement, l'entraînement d'un nouveau modèle n'est pas la meilleure option. L'entraînement d'un modèle n'étant pas déterministe par nature, il est peu probable que vous obteniez un modèle identique à partir de données identiques. De plus, l'entraînement d'un modèle dans chaque région ne constitue pas un moyen infaillible de maintenir la cohérence du comportement des modèles d'une région à l'autre. C'est là que la fonctionnalité de copie de modèle entre en jeu. Grâce à la fonctionnalité de copie de modèle de Vertex AI Model Registry, vous pouvez facilement copier un modèle depuis Vertex AI Model Registry vers une région distincte dans le même projet.
Lorsque vous effectuez une copie de modèle, si vous ne spécifiez pas la version du modèle à copier, c'est la version de modèle par défaut qui est copiée. Pour en savoir plus sur les modèles par défaut ou sur les alias de modèle, consultez la section Utiliser des alias de modèle.
Limites
Lorsque vous copiez un modèle, toutes les informations associées ne sont pas copiées. Le modèle copié ne conservera pas les éléments suivants :
- Alias de version.
- ID de modèle personnalisé : vous pouvez spécifier un nouvel ID une fois le modèle copié.
- Toute évaluation de modèle existante.
- Spécifications de chiffrement : vous devez spécifier de nouvelles spécifications lors de la copie pour votre région cible.
- Déploiements et prédictions par lot.
Copier des modèles AutoML et des modèles personnalisés entre des emplacements depuis la console
Console
Vous pouvez copier des modèles en tant que nouveau modèle dans la région cible, ou en tant que nouvelle version d'un modèle existant dans cette région.Suivez les instructions ci-dessous pour copier des modèles entre des emplacements.
- Dans la console Google Cloud, accédez à la page Modèles. <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" }="">Accéder à la page "Modèles" </a{:>
- Dans Model Registry, sélectionnez le menu Autres actions .
- Cliquez sur Copier dans une autre région.
- Dans le panneau "Copier le modèle", sélectionnez la version du modèle que vous souhaitez copier et sélectionnez la région dans laquelle vous souhaitez effectuer la copie.
Si vous copiez un modèle pour la première fois, l'alias par défaut lui est attribué dans la nouvelle région
Copier des modèles AutoML et des modèles personnalisés entre des emplacements de façon automatisée
HTTP
Utilisez l'exemple de code suivant pour copier un modèle à l'aide de la méthode de copie de la ressource de modèle. Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
- LOCATION : région dans laquelle vous utilisez Vertex AI.
- SOURCE_LOCATION : région Vertex AI à partir de laquelle vous allez copier le modèle.
- PROJECT_ID : ID de votre projet ou numéro de projet.
- MODEL_ID : ID du modèle à copier.
- VERSION_ID (facultatif) : ID de la version de modèle à copier (s'il n'est pas spécifié, la version par défaut est copiée).
Méthode HTTP et URL :
POST http://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/models:copy
Corps JSON de la requête :
"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"
Réponse
{
"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"
}
}
}