Una volta completato l'addestramento del modello di classificazione del testo AutoML, utilizza la console Vertex AI per creare un endpoint ed eseguire il deployment del modello sull'endpoint. Dopo aver eseguito il deployment del modello nell'endpoint, invia un documento al modello per la previsione delle etichette.
Questo tutorial è composto da più pagine:
Addestramento di un modello di classificazione di testo AutoML.
Esegui il deployment del modello in un endpoint e invia una previsione.
Ogni pagina presuppone che tu abbia già eseguito le istruzioni delle pagine precedenti del tutorial.
Esegui il deployment del modello in un endpoint
Accedi al modello addestrato per eseguirne il deployment in un nuovo endpoint dalla pagina Registro modelli.
Nella console Google Cloud , vai alla pagina Registro dei modelli.
In Regione, seleziona us-central1 (Iowa).
Fai clic sul nome e sul numero di versione del modello AutoML addestrato per visualizzare i dettagli.
Ad esempio, nella scheda Valuta puoi visualizzare le metriche sul rendimento del modello.
Seleziona la scheda Deployment e test per creare un endpoint.
Fai clic su Esegui il deployment su endpoint.
Nella finestra Esegui il deployment sull'endpoint, completa i seguenti passaggi:
Scegli
Crea nuovo endpoint e inserisci un nome per l'endpoint, ad esempiohello_automl_text
.Accetta la suddivisione del traffico del 100% e fai clic su Esegui il deployment.
La creazione dell'endpoint e il deployment del modello AutoML nel nuovo endpoint richiedono diversi minuti.
Inviare una previsione al modello
Dopo aver creato l'endpoint, puoi inviare previsioni di testo dalla console Vertex AI.
Nella console Google Cloud , vai alla pagina Registro dei modelli.
In Regione, seleziona us-central1 (Iowa).
Fai clic sul modello AutoML addestrato.
Seleziona la scheda Deployment e test.
Nella sezione Testa il tuo modello, inserisci il testo per la previsione.
Fai clic su Prevedi per visualizzare l'etichetta prevista e il punteggio di affidabilità del modello.
Passaggi successivi
- Per eseguire la pulizia delle risorse che hai creato, segui le istruzioni riportate nell'ultima pagina del tutorial.