חיזויים ממודלים מתארחים

ב-Earth Engine, ee.Model משמש כמחבר למודלים שמתארחים ב-Vertex AI. מערכת Earth Engine תשלח נתוני תמונות או טבלאות כבקשות חיזוי אונליין למודל מאומן שנפרס בנקודת קצה (endpoint) של Vertex AI. לאחר מכן, הפלט של המודל יהיה זמין כתמונות או כטבלאות ב-Earth Engine.

מודלים של TensorFlow

TensorFlow היא פלטפורמת קוד פתוח ללמידת מכונה (ML) שתומכת בשיטות מתקדמות של למידת מכונה, כמו למידה עמוקה (Deep Learning). ‏Earth Engine API מספק שיטות לייבוא או לייצוא תמונות, נתוני אימון ונתוני בדיקה בפורמט TFRecord. בדף הדוגמאות ל-ML תוכלו למצוא הדגמות לשימוש ב-TensorFlow עם נתונים מ-Earth Engine. בדף TFRecord מוסבר איך Earth Engine כותב נתונים לקובצי TFRecord.

ee.Model

החבילה ee.Model מטפלת באינטראקציה עם מודלים של למידת מכונה שמתארחים.

מודלים מתארחים ב-Vertex AI

אפשר ליצור מכונה חדשה של ee.Model באמצעות ee.Model.fromVertexAi. זהו אובייקט ee.Model שמארז נתונים מ-Earth Engine בטנסורים, מעביר אותם כבקשות חיזוי אל Vertex AI ואז מרכיב מחדש את התשובות ב-Earth Engine.

ב-Earth Engine יש תמיכה ב-TensorFlow (למשל בפורמט SavedModel), ב-PyTorch ובמודלים של AutoML. כדי להכין מודל לאירוח, צריך לשמור אותו, לייבא אותו ל-Vertex AI ואז לפרוס את המודל בנקודת קצה.

פורמטים של קלט

כדי לבצע אינטראקציה עם Earth Engine, הקלט והפלט של מודל מתארח צריכים להיות תואמים לפורמט החלפה נתמך. ברירת המחדל היא פורמט המרת הנתונים של TensorProto, ובאופן ספציפי, רצף של רכיבי TensorProto ב-base64 (מידע נוסף). אפשר לעשות זאת באופן פרוגרמטי, כפי שמתואר בדף הדוגמאות ל-ML, אחרי האימון ולפני השמירה, או על ידי טעינת הטרנספורמציה של הקלט והפלט, הוספת הטרנספורמציה של הקלט והפלט ושמירה מחדש. פורמטים אחרים של נתוני עומס שימושי שנתמכים כוללים JSON עם RAW_JSON ומערכים מרובת-ממדיים עם ND_ARRAYS. פרטים נוספים זמינים במסמכי העזרה בנושא פורמט של עומס עבודה.

הרשאות IAM של נקודת קצה

כדי להשתמש במודל עם ee.Model.fromVertexAi(), צריכות להיות לכם הרשאות מתאימות לשימוש במודל. באופן ספציפי, אתם (או כל מי שמשתמש במודל) צריכים לפחות את תפקיד המשתמש ב-Vertex AI בפרויקט ב-Cloud שבו מתארח המודל. אתם שולטים בהרשאות לפרויקט ב-Cloud באמצעות אמצעי הבקרה של ניהול זהויות והרשאות גישה (IAM).

אזורים

כשפורסים את המודל בנקודת קצה, צריך לציין לאיזה אזור רוצים לפרוס אותו. מומלץ לבחור באזור us-central1 כי סביר להניח שהוא יניב את הביצועים הטובים ביותר בגלל הקרבה לשרתים של Earth Engine, אבל כמעט כל אזור יתאים. במסמכי המיקום של Vertex AI תוכלו למצוא פרטים על האזורים של Vertex AI ועל התכונות שבהן כל אחד מהם תומך.

אם אתם עוברים מ-AI Platform, חשוב לזכור של-Vertex AI אין נקודת קצה גלובלית, ול-ee.Model.fromVertexAi() אין פרמטר region.

עלויות

מידע מפורט על העלויות זמין בדף התמחור המשויך של כל מוצר.

אפשר להשתמש במחשבון התמחור כדי ליצור הערכת עלות על סמך השימוש החזוי.

מקורות מידע נוספים

פרטים נוספים על שימוש במודל מתארח ב-Earth Engine זמינים בדף Image Prediction (חיזוי תמונות) או בדף Properties Prediction (חיזוי נכסים).