本頁面說明如何建立應用程式並組合各種元件，例如輸入串流、用於分析的模型和用於儲存資料的倉儲，以便在 Vertex AI Vision 的應用程式平台上使用。
如要建構應用程式，您必須考量資料來源、要執行的分析，以及要如何儲存結果。端對端應用程式可根據用途採用不同的形式。因此，您建構應用程式的方式會因目標而異。
開始之前，請從負責任 AI 的角度評估用途和目標，並考量模型和應用程式在出錯時可能對使用者產生哪些影響。進一步瞭解評估用途公平性的首要步驟。此外，請務必遵守 Google Cloud的服務條款或離線版本，以及納入的 URL 條款，例如 Google Cloud的使用限制政策。
建立應用程式時，請注意 AI 視覺技術可能會強化或引入不公平偏見，並影響基本人權。開發應用程式時，應根據貴公司的價值觀進行倫理反思，並針對特定用途 (包括高風險用途) 進行法律盡職調查。如同所有技術一樣，您必須考量在導入 AI/ML 技術的地區，所有適用的法律和法規都會規範您使用這些技術的方式。客戶必須負責在特定區域實施高風險用途所需的盡職調查。
建立新應用程式
您必須先建立應用程式，才能在應用程式中新增串流或模型等元件。所有應用程式都必須包含下列項目才能部署：
- 串流輸入節點 (資料來源)。
- 至少有一個其他元件節點，例如模型或倉儲。
建立新的自訂應用程式
控制台
在 Google Cloud 控制台中建立應用程式。
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
按一下「Create」按鈕。
輸入應用程式名稱並選擇所在區域。支援的地區。
按一下 [建立]。
使用範本建立應用程式
控制台
在 Google Cloud 控制台中建立應用程式。
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
按一下「Create」按鈕。
輸入應用程式名稱並選擇所在區域。支援的地區。
按一下 [建立]。
在應用程式建構工具頁面中，按一下「應用程式範本」節點。
在側邊設定面板中，按一下「選取模型」按鈕。
從下拉式選單中選取模式。
新增串流輸入
應用程式必須包含影片串流節點。如果未新增 Streams 節點，就無法部署應用程式。
如果未部署應用程式，系統會自動將串流輸入更新套用至應用程式。如果應用程式已部署，您必須取消部署並更新應用程式，才能套用變更。詳情請參閱「更新應用程式」一節。
控制台
在 Google Cloud 控制台中為應用程式新增串流。
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
按一下應用程式的「查看應用程式」。
在元件側邊清單中，從「連接器」清單中選擇「影片串流」。串流節點會新增至應用程式圖表，並開啟「Video streams」(影片串流) 選單。
選取「新增影片串流」。
如果您選擇「從現有串流中選取」，請選取現有串流，然後選取「新增串流」。
如果您選擇「Register new streams」(註冊新串流)，請為新串流新增名稱，然後選取「Add streams」(新增串流)。
REST
如要為應用程式新增串流，請使用 projects.locations.applications.addStreamInput 方法傳送 POST 要求。
使用任何要求資料之前，請先替換以下項目：
- PROJECT：您的 Google Cloud 專案 ID 或專案編號。
- LOCATION_ID：您使用 Vertex AI Vision 的區域。例如：
us-central1、europe-west4。請參閱可用地區。 - APPLICATION_ID：目標應用程式的 ID。
- STREAM_ID：目標串流的 ID。
HTTP 方法和網址：
POST https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:addStreamInput
JSON 要求主體：
{
"applicationStreamInputs": [
{
"streamWithAnnotation": {
"stream": "projects/PROJECT/locations/LOCATION_ID/clusters/application-cluster-0/streams/STREAM_ID"
}
},
{
"streamWithAnnotation": {
"stream": "projects/PROJECT/locations/LOCATION_ID/clusters/application-cluster-0/streams/STREAM_ID"
}
}
]
}
如要傳送要求，請選擇以下其中一個選項：
curl
將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:addStreamInput"
PowerShell
將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:addStreamInput" | Select-Object -Expand Content
您應該會收到執行成功的狀態碼 (2xx) 和空白回應。
新增含有節點註解的串流輸入內容
建立應用程式輸入串流時，您可以使用 Vertex AI Vision API 在串流中新增註解。您也可以在Google Cloud 主控台中為節點新增註解。
控制台
以下範例會將可用的備註 (STREAM_ANNOTATION_TYPE_ACTIVE_ZONE 和 STREAM_ANNOTATION_TYPE_CROSSING_LINE) 新增至人數計數模型。
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
在清單中選取應用程式名稱旁的「查看應用程式」。
在應用程式建構工具頁面中，選取要新增註解的串流輸入模式。
在側邊模型設定面板中，展開「進階設定」部分。展開該部分後，按一下「建立活動區/範圍線」按鈕。
在串流相片庫檢視畫面中，選取輸入串流即可繪製活動區或範圍線。
在編輯器檢視畫面中，選擇「新增多點線條」或「新增簡單多邊形」，即可新增註解。使用側邊面板重新命名區域或線路名稱、刪除現有區域/線路，或切換線路方向。
REST 和指令列
以下程式碼會新增串流註解。
使用任何要求資料之前，請先替換以下項目：
- PROJECT：您的 Google Cloud 專案 ID 或專案編號。
- LOCATION_ID：您使用 Vertex AI Vision 的區域。例如：
us-central1、europe-west4。請參閱可用地區。 - APPLICATION_ID：目標應用程式的 ID。
- STREAM_ID：目標串流的 ID。
- NODE_NAME：應用程式圖表中的目標節點名稱。例如：
builtin-occupancy-count。 - ANNOTATION_ID：目標註解的 ID。
- ANNOTATION_DISPLAYNAME：使用者指定的目標註解顯示名稱。
- ANNOTATION_TYPE：可用的列舉值之一。此類型必須與
annotation_payload物件相符，也就是activeZone或crossingLine。可用的值如下：STREAM_ANNOTATION_TYPE_UNSPECIFIEDSTREAM_ANNOTATION_TYPE_ACTIVE_ZONESTREAM_ANNOTATION_TYPE_CROSSING_LINE
normalizedVertices：每個頂點皆由 x、y 座標值指定。座標是相對於原始圖片的標準化浮點值 [0,1]；0.0 是 X_MIN 或 Y_MIN，1.0 是 X_MAX 或 Y_MAX。
HTTP 方法和網址：
POST https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:addStreamInput
JSON 要求主體：
{
"applicationStreamInputs": [
{
"streamWithAnnotation": {
"stream": "projects/PROJECT/locations/LOCATION_ID/clusters/application-cluster-0/streams/STREAM_ID",
"nodeAnnotations": [
{
"node": "NODE_NAME",
"annotations": [
{
"id": "ANNOTATION_ID",
"displayName": "ANNOTATION_DISPLAYNAME",
"sourceStream": "projects/PROJECT/locations/LOCATION_ID/clusters/application-cluster-0/streams/STREAM_ID",
"type": ANNOTATION_TYPE,
"activeZone": {
"normalizedVertices": {
"x": 0.07434944,
"y": 0.18061674
},
"normalizedVertices": {
"x": 0.64684016,
"y": 0.16079295
},
"normalizedVertices": {
"x": 0.6047088,
"y": 0.92070484
},
"normalizedVertices": {
"x": 0.1251549,
"y": 0.76651984
}
}
}
]
}
]
}
}
]
}
如要傳送要求，請選擇以下其中一個選項：
curl
將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:addStreamInput"
PowerShell
將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:addStreamInput" | Select-Object -Expand Content
您應該會收到執行成功的狀態碼 (2xx) 和空白回應。
移除串流輸入
REST
如要從應用程式中移除串流，請使用 projects.locations.applications.removeStreamInput 方法傳送 POST 要求。
使用任何要求資料之前，請先替換以下項目：
- PROJECT：您的 Google Cloud 專案 ID 或專案編號。
- LOCATION_ID：您使用 Vertex AI Vision 的區域。例如：
us-central1、europe-west4。請參閱可用地區。 - APPLICATION_ID：目標應用程式的 ID。
- STREAM_ID：目標串流的 ID。
HTTP 方法和網址：
POST https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:removeStreamInput
JSON 要求主體：
{
"targetStreamInputs": [
{
"stream": "projects/PROJECT/locations/LOCATION_ID/clusters/application-cluster-0/streams/STREAM_ID"
},
{
"stream": "projects/PROJECT/locations/LOCATION_ID/clusters/application-cluster-0/streams/STREAM_ID"
}
]
}
如要傳送要求，請選擇以下其中一個選項：
curl
將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:removeStreamInput"
PowerShell
將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://visionai.googleapis.com/v1/projects/PROJECT/locations/LOCATION_ID/applications/APPLICATION_ID:removeStreamInput" | Select-Object -Expand Content
您應該會收到執行成功的狀態碼 (2xx) 和空白回應。
新增預先訓練的 Vertex AI Vision 模型
建立應用程式後，您可以新增模型，並將模型連結至串流、其他模型或媒體倉儲。
模型分為兩種：預先訓練模型或使用者訓練模型。同樣地，使用者訓練的模型也分為兩種：AutoML 或自訂訓練：
- 預先訓練模型可執行特定目標，並以通用資料進行訓練，隨時可供使用。
- 使用者訓練的 AutoML 或自訂訓練模型需要您找出並提供樣本資料，然後訓練更適合您獨特用途的模型。您可以使用 Vertex AI 訓練這些模型，這項產品提供兩種訓練選項：AutoML 訓練模型和自訂訓練模型。詳情請參閱「選擇訓練方法」。
請按照下列操作說明，將預先訓練的 Vertex AI Vision 模型新增至應用程式圖表。
控制台
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
在清單中選取應用程式名稱旁的「查看應用程式」。
在應用程式建構工具頁面上，從「AI 模型」清單中選取要新增的模型。每個模型都有個別的設定。
如要將這個模型連結至輸入來源節點，請選取來源節點，然後選取 「新增輸出內容」。
從「可用節點」清單中選取新建立的 AI 模型節點。
新增使用者訓練的 Vertex AI 模型
建立應用程式後，您可以新增模型，並將模型連結至串流、其他模型或媒體倉儲。
模型分為兩種：預先訓練模型或使用者訓練模型。同樣地，使用者訓練的模型也分為兩種：AutoML 或自訂訓練：
- 預先訓練模型可執行特定目標，並以通用資料進行訓練，隨時可供使用。
- 使用者訓練的 AutoML 或自訂訓練模型需要您找出並提供樣本資料，然後訓練更適合您獨特用途的模型。您可以使用 Vertex AI 訓練這些模型，這項產品提供兩種訓練選項：AutoML 訓練模型和自訂訓練模型。詳情請參閱「選擇訓練方法」。
新增 Vertex AI AutoML 物件偵測串流模型
請按照下列操作說明，將您訓練的 Vertex AI AutoML 物件偵測串流模型新增至應用程式圖表。
您必須先準備物件偵測資料，並建立資料集，才能訓練 Vertex AI AutoML 模型。
訓練用於 Vertex AI Vision 的模型
在 Vertex AI 中建立資料集，並收集代表性資料後，您就可以訓練模型，用於 Vertex AI Vision。
控制台
在 Google Cloud 控制台的 Vertex AI 資訊主頁中，前往「Datasets」頁面。
按一下要用來訓練模型的資料集名稱，開啟資料集詳細資料頁面。
如果資料類型使用註解集，請選取要為此模型使用的註解集。
按一下「訓練新模型」。
在「訓練新模型」頁面中，針對 AutoML 圖片物件偵測模型完成下列步驟：
在「Model training method」部分，選擇「AutoML」。
在「選擇模型使用位置」部分，選取 「Vertex AI Vision」。
按一下「繼續」。
在「模型詳細資料」、「訓練選項」和「運算與價格」部分填入值。詳情請參閱「訓練 AutoML 模型 (Google Cloud 控制台)」一文。
按一下「開始訓練」。
模型訓練作業可能需要花費數小時，視資料的大小和複雜度以及您指定的訓練預算而定。您可以關閉這個分頁，稍後再返回查看。模型訓練完成後，您會收到電子郵件通知。
將訓練好的模型新增至應用程式
模型訓練完成後，您可以將模型新增至 Vertex AI Vision 應用程式。
控制台
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
在清單中選取應用程式名稱旁的「查看應用程式」。
在應用程式建構工具頁面上，從側邊元件清單中選取「Add Vertex AI Model」。選取這個選項會開啟側邊選單。
在「Add Vertex AI Model」(新增 Vertex AI 模型) 選單中，保留「Import a trained model from Vertex AI」(從 Vertex AI 匯入已訓練的模型) 選項，然後從現有的 Vertex AI AutoML 模型清單中選擇模型。
選擇要匯入的模型後，選取「Add model」。
點選「Add model」按鈕後，圖表建構工具頁面旁邊會顯示待處理的模型。幾秒後，模型就會準備就緒。
新增 Vertex AI 自訂模型
您也可以將 Vertex AI 自訂訓練模型匯入 Vertex AI Vision，用於資料分析。這些自訂訓練模型必須具備下列屬性：
- 模型輸入內容是來自不同應用程式執行個體 (串流) 的圖片，且可能會出現亂序，因此模型必須為無狀態。如果您需要有狀態的串流處理作業，可能需要在自己的容器中保留狀態。
- 模型的輸入大小上限為 1.5 MB。因此，Vertex AI Vision 必須將原始 RGB 圖片壓縮為有損格式，例如 JPG。
請按照下列操作說明，將您訓練的現有 Vertex AI 自訂訓練影片模型新增至應用程式圖表。
如要瞭解如何使用自訂容器建立 Vertex AI 自訂訓練模型，請參閱「使用自訂容器進行預測」一文。
指定執行個體 YAML 檔案
新增 Vertex AI 自訂訓練模型時，您必須指定儲存在 Cloud Storage 中的例項 YAML 檔案 (instances.yaml)。這個檔案會指定模型容器的預期輸入內容。
Vertex AI 會以以下格式傳送預測要求：
{
"instances": [
<value>|<simple/nested list>|<object>,
...
]
}
此處的 instances.yaml 會定義酬載的結構定義。詳情請參閱「透過自訂訓練模型取得線上預測」。
Vertex AI Vision 僅支援自訂訓練模型，且該模型必須有一個具名的預測輸入內容。這個輸入類型必須是經過編碼的 JPEG 字串。預測輸入內容的結構定義必須使用執行個體結構定義 YAML 檔案指定。這個結構定義 YAML 檔案必須採用 OpenAPI 結構定義物件的格式。
舉例來說，下列結構定義會接收要求，其中圖片已編碼至呼叫 image_bytes 的欄位：
properties:
image_bytes:
type: string
自訂模型會以以下格式接收預測輸入內容：
{
"instances": [
{
"image_bytes" : {
"b64": "BASE64_ENCODED_IMAGE_BYTES"
}
}
]
}
在將模型匯入 Vertex AI Vision 前，請先確認模型可正確處理此輸入內容。
指定預測 YAML 檔案
新增 Vertex AI 自訂訓練模型時，您可以指定儲存在 Cloud Storage 中的預測 YAML 檔案 (predictions.yaml)。這個檔案會指定模型容器的輸出內容。
這個檔案為選用項目，但建議您提供，以便 Vertex AI Vision 瞭解模型的輸出結構。舉例來說，下列 classification_1.0.0.yaml 檔案會說明圖片分類模型的模型輸出資訊：
title: Classification
type: object
description: >
The predicted AnnotationSpecs.
properties:
ids:
type: array
description: >
The resource IDs of the AnnotationSpecs that had been identified.
items:
type: integer
format: int64
enum: [0] # As values of this enum all AnnotationSpec IDs the Model
# was trained on will be populated.
displayNames:
type: array
description: >
The display names of the AnnotationSpecs that had been identified,
order matches the IDs.
items:
type: string
enum: [""] # As values of this enum all AnnotationSpec display_names
# the Model was trained on will be populated.
confidences:
type: array
description: >
The Model's confidences in correctness of the predicted IDs, higher
value means higher confidence. Order matches the Ids.
items:
type: number
format: float
minimum: 0.0
maximum: 1.0
新增自訂訓練模型
請使用下列範例，將 Vertex AI 自訂訓練模型新增至應用程式。
控制台
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
在清單中選取應用程式名稱旁的「查看應用程式」。
在應用程式建構工具頁面上，從側邊元件清單中選取「Add Vertex AI Model」。選取這個選項會開啟側邊選單。
在「Add Vertex AI Model」(新增 Vertex AI 模型) 選單中，保留選取的 「Import a trained model from Vertex AI」(從 Vertex AI 匯入已訓練的模型) 選項，然後從現有的 Vertex AI AutoML 模型清單中選擇模型。
提供模型名稱。
在 Cloud Storage 中指定執行個體 YAML 檔案，定義預測和說明要求中所用單一執行個體的格式。
選用：在 Cloud Storage 中指定預測結構定義 YAML 檔案，定義單一預測或說明的格式。
提供模型名稱、例項和預測資訊後，請選取「新增模型」。
點選「Add model」按鈕後，圖表建構工具頁面旁邊會顯示待處理的模型。幾秒後，模型就會準備就緒。
(非必要) 附加應用程式中繼資料
除了圖片位元組之外，您也可以選擇設定 attach_application_metadata，要求 Vertex AI Vision 應用程式平台納入應用程式中繼送至自訂容器的中繼資料。
中繼資料的結構定義如下：
'appPlatformMetadata': {
'application': STRING;
'instanceId': STRING;
'node': STRING;
'processor': STRING;
}
(非必要) 新增動態設定 Pub/Sub 主題
如要動態控管 Vertex 自訂運算子將影像框架傳送至頂點自訂容器的速率，您可以建立 Pub/Sub 主題。將其新增至節點設定的 Dynamic Configuration 部分。
如果已設定 Pub/Sub 主題，初始影格速率為 0。在影片處理期間，您可以使用以下格式，即時將 Pub/Sub 訊息傳送至 Pub/Sub 主題，以便變更影格速率：
{
"stream_id": "input-stream-id",
"fps": 5,
}
stream_id 欄位應與應用程式輸入串流的 ID 相符。
服務帳戶和權限
自訂容器的預設服務憑證已設定為 Vertex AI Vision 應用程式平台的 Google 服務帳戶。如要從容器存取其他 Google Cloud服務，請授予適當權限：
service-<var>PROJECT_NUMBER</var>@gcp-sa-visionai.iam.gserviceaccount.com
(非必要) 使用 Cloud Run 函式和 Pub/Sub 建立事件通知模型
在 Vertex AI Vision 中，模型會從攝影機等裝置接收媒體資料，並對資料執行 AI 預測，持續產生註解。您通常會將經過處理的資料傳送至資料目的地 (「資料接收端」)，例如媒體倉儲或 BigQuery，以便執行後續分析工作。不過，在某些情況下，您可能必須以不同方式處理某些註解，或是需要在特定時間內完成註解。您可以透過與 Cloud Run 函式和 Pub/Sub 的整合，滿足這些需求。
支援的模型
下列模型提供 Cloud Run 函式事件產生和 Pub/Sub 事件通知整合功能：
設定 Cloud Run 函式以處理模型輸出內容
如要觸發事件通知，您必須先設定 Cloud Run 函式，以便處理模型輸出內容並產生事件。
Cloud Run 函式會連結至模型，並監聽其輸出內容，做為後處理動作。您應傳回 AppPlatformCloudFunctionResponse 的 Cloud Run 函式。事件 (appplatformeventbody) 會傳送至您在下一個步驟中設定的 Pub/Sub 主題。
如要查看 Cloud Run 函式範例，請參閱「使用 Cloud Functions 和 Pub/Sub 啟用模型事件通知」。
請按照下列操作說明，將模型輸出串流傳送至 Cloud Run 函式：
控制台
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
在清單中選取應用程式名稱旁的「查看應用程式」。
在「事件通知」部分的「後置處理」清單中，選取現有的 Cloud Run 函式，或建立新的函式。
使用 Pub/Sub 啟用模型事件通知
設定 Cloud Run 函式來處理模型輸出內容並產生事件後，您可以使用 Pub/Sub 設定事件通知。如要讀取主題中的訊息，您也必須選擇並建立 Pub/Sub 訂閱項目。
控制台
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
在清單中選取應用程式名稱旁的「查看應用程式」。
在「事件通知」部分，選取「設定事件通知」。
在隨即開啟的「Set up Pub/Sub for event notifications」(為事件通知設定 Pub/Sub) 選項視窗中，選擇現有的 Pub/Sub 主題，或建立新的主題。
在「頻率」欄位中，設定以秒為單位的整數值，代表可傳送同類型事件通知的間隔時間。
按一下「設定」。
將模型輸出內容連結至下游節點
建立模型節點後，您可以將其輸出內容連結至其他節點。
控制台
開啟 Vertex AI Vision 資訊主頁的「Applications」分頁。
在清單中選取應用程式名稱旁的「查看應用程式」。
按一下應用程式圖表建構工具中輸出資料的模型節點 (例如「Occupancy Count」模型節點)。
在側邊設定面板中，按一下「Add output」按鈕。
您可以新增輸出內容，然後選擇要新增的輸出節點，或是選取要傳送輸出的現有可用節點。
將輸出內容連結至資料目的地
建立資料攝入串流並將處理節點新增至應用程式後，您必須選擇要將已處理的資料傳送至何處。這個資料目的地是應用程式圖表的端點，可接受串流資料，但不會產生任何串流資料。您選擇的目的地取決於您使用應用程式輸出資料的方式。
您可以將應用程式輸出資料連結至下列資料目的地：
Vision Warehouse：儲存原始或經過分析的影片資料，供您查看及查詢。
如要進一步瞭解如何將應用程式輸出資料傳送至 Vision 資料倉儲，請參閱「連結並儲存至資料倉儲」一文。
BigQuery：將資料儲存在 BigQuery 中，以便使用其離線分析功能。
如要進一步瞭解如何將應用程式輸出資料傳送至 BigQuery，請參閱「連結並將資料儲存至 BigQuery」一文。
即時串流資料：如果您想更精細地控制即時分析資料，可以從應用程式接收即時輸出內容。
如要進一步瞭解如何直接串流應用程式輸出資料，請參閱「啟用直播輸出」。
更新應用程式
未部署的應用程式
對應用程式進行任何修改 (例如新增或移除元件節點)；Vertex AI Vision 會自動儲存變更。
後續步驟
- 如要瞭解如何部署應用程式，以便擷取及分析資料，請參閱「部署應用程式」。
- 如要瞭解如何從應用程式的輸入串流開始擷取資料，請參閱「建立及管理串流」一文。
- 瞭解如何在「管理應用程式」中列出應用程式，以及查看已部署應用程式的執行個體。
- 如要瞭解如何從擷取串流或經過分析的模型輸出資料中讀取應用程式輸入資料，請參閱「讀取串流資料」一文。