Generare rappresentazioni distribuite di immagini utilizzando la funzione ML.GENERATE_EMBEDDING

Questo documento mostra come creare un modello remoto BigQuery ML che fa riferimento a un modello di base di embedding di Vertex AI. Poi utilizzi il modello con la funzione ML.GENERATE_EMBEDDING per creare embedding di immagini utilizzando i dati di una tabella di oggetti BigQuery.

Ruoli obbligatori

• Per creare una connessione, devi disporre dell'appartenenza al seguente ruolo IAM (Identity and Access Management):

  • roles/bigquery.connectionAdmin

• Per concedere le autorizzazioni all'account di servizio della connessione, devi disporre della seguente autorizzazione:

  • resourcemanager.projects.setIamPolicy

• Per creare il modello utilizzando BigQuery ML, sono necessarie le seguenti autorizzazioni IAM:

  • bigquery.jobs.create
  • bigquery.models.create
  • bigquery.models.getData
  • bigquery.models.updateData
  • bigquery.models.updateMetadata

• Per eseguire l'inferenza, devi disporre delle seguenti autorizzazioni:

  • bigquery.tables.getData sul tavolo
  • bigquery.models.getData sul modello
  • bigquery.jobs.create

Prima di iniziare

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

2. Make sure that billing is enabled for your Google Cloud project.

3. Enable the BigQuery, BigQuery Connection, and Vertex AI APIs.

   Enable the APIs

Crea un set di dati

Crea un set di dati BigQuery per archiviare il tuo modello ML:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai alla pagina BigQuery

2. Nel riquadro Explorer, fai clic sul nome del progetto.

3. Fai clic su more_vert Visualizza azioni > Crea set di dati.

   

4. Nella pagina Crea set di dati:

   • In ID set di dati, inserisci bqml_tutorial.

   • Per Tipo di località, seleziona Più regioni e poi Stati Uniti (più regioni negli Stati Uniti).

     I set di dati pubblici sono archiviati nella US multiregione. Per semplicità, archivia il set di dati nella stessa posizione.

   • Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.

     

Crea una connessione

Crea una connessione risorsa Cloud e recupera l'account di servizio della connessione. Crea la connessione nella stessa posizione del set di dati creato nel passaggio precedente.

Seleziona una delle seguenti opzioni:

# This queries the provider for project information.
data "google_project" "default" {}

# This creates a cloud resource connection in the US region named my_cloud_resource_connection.
# Note: The cloud resource nested object has only one output field - serviceAccountId.
resource "google_bigquery_connection" "default" {
  connection_id = "my_cloud_resource_connection"
  project       = data.google_project.default.project_id
  location      = "US"
  cloud_resource {}
}

Concedi l'accesso all'account di servizio

Concedi all'account di servizio della connessione il ruolo Utente Vertex AI.

Se prevedi di specificare l'endpoint come URL quando crei il modello remoto, ad esempio endpoint = 'https://us-central1-aiplatform.googleapis.com/v1/projects/myproject/locations/us-central1/publishers/google/models/text-embedding-004', concedi questo ruolo nello stesso progetto specificato nell'URL.

Se prevedi di specificare l'endpoint utilizzando il nome del modello quando crei il modello remoto, ad esempio endpoint = 'text-embedding-004', concedi questo ruolo nello stesso progetto in cui prevedi di creare il modello remoto.

Se concedi il ruolo in un progetto diverso, viene visualizzato l'errore bqcx-1234567890-xxxx@gcp-sa-bigquery-condel.iam.gserviceaccount.com does not have the permission to access resource.

Per concedere il ruolo, segui questi passaggi:

gcloud projects add-iam-policy-binding 'PROJECT_NUMBER' --member='serviceAccount:MEMBER' --role='roles/aiplatform.user' --condition=None

Crea una tabella di oggetti

Crea una tabella di oggetti con contenuti di immagini. La tabella degli oggetti consente di analizzare le immagini senza spostarle da Cloud Storage.

Il bucket Cloud Storage utilizzato dalla tabella di oggetti deve trovarsi nello stesso progetto in cui prevedi di creare il modello e chiamare la funzione ML.GENERATE_EMBEDDING. Se vuoi chiamare la funzione ML.GENERATE_EMBEDDING in un progetto diverso da quello che contiene il bucket Cloud Storage utilizzato dalla tabella di oggetti, devi concedere il ruolo Amministratore archiviazione a livello di bucket all'account di servizio service-A@gcp-sa-aiplatform.iam.gserviceaccount.com.

crea un modello

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Utilizzando l'editor SQL, crea un modello remoto:

   CREATE OR REPLACE MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`
   REMOTE WITH CONNECTION `PROJECT_ID.REGION.CONNECTION_ID`
   OPTIONS (ENDPOINT = 'ENDPOINT');

   Sostituisci quanto segue:

   • PROJECT_ID: il tuo ID progetto
   • DATASET_ID: l'ID del set di dati che deve contenere il modello
   • MODEL_NAME: il nome del modello
   • REGION: la regione utilizzata dalla connessione
   • CONNECTION_ID: l'ID della connessione BigQuery

     Quando visualizzi i dettagli della connessione nella console Google Cloud, questo è il valore nell'ultima sezione dell'ID connessione completo visualizzato in ID connessione, ad esempio projects/myproject/locations/connection_location/connections/myconnection

   • ENDPOINT: l'LLM da incorporare da utilizzare, in questo caso multimodalembedding@001.

Genera embedding di immagini

Genera gli incorporamenti delle immagini con la funzione ML.GENERATE_EMBEDDING utilizzando i dati delle immagini di una tabella di oggetti:

SELECT *
FROM ML.GENERATE_EMBEDDING(
  MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`,
  TABLE `PROJECT_ID.DATASET_ID.TABLE_NAME`,
  STRUCT(FLATTEN_JSON AS flatten_json_output,
  OUTPUT_DIMENSIONALITY AS output_dimensionality)
);

Sostituisci quanto segue:

• PROJECT_ID: il tuo ID progetto.
• DATASET_ID: l'ID del set di dati che contiene il modello.
• MODEL_NAME: il nome del modello remoto su un modello multimodalembedding@001.
• TABLE_NAME: il nome della tabella di oggetti che contiene le immagini da incorporare.
• FLATTEN_JSON: un valore BOOL che indica se analizzare l'embedding in una colonna separata. Il valore predefinito è TRUE.
• OUTPUT_DIMENSIONALITY: un valore INT64 che specifica il numero di dimensioni da utilizzare per la generazione degli embedding. I valori validi sono 128, 256, 512 e 1408. Il valore predefinito è 1408. Ad esempio, se specifichi 256 AS output_dimensionality, la colonna di output ml_generate_embedding_result contiene 256 embedding per ogni valore di input.

Esempio

L'esempio seguente mostra come creare embedding per le immagini nella tabella degli oggetti images:

SELECT *
FROM
  ML.GENERATE_EMBEDDING(
    MODEL `mydataset.embedding_model`,
    TABLE `mydataset.images`,
    STRUCT(TRUE AS flatten_json_output, 512 AS output_dimensionality)
  );