Dự đoán từ mô hình được lưu trữ

Earth Engine cung cấp ee.Model dưới dạng trình kết nối đến các mô hình được lưu trữ trên Vertex AI. Earth Engine sẽ gửi dữ liệu hình ảnh hoặc bảng dưới dạng yêu cầu dự đoán trực tuyến đến một mô hình đã được huấn luyện được triển khai trên một điểm cuối Vertex AI. Sau đó, bạn có thể xem kết quả của mô hình dưới dạng hình ảnh hoặc bảng trong Earth Engine.

Mô hình TensorFlow

TensorFlow là một nền tảng học máy (ML) nguồn mở hỗ trợ các phương pháp ML nâng cao như học sâu. Earth Engine API cung cấp các phương thức để nhập và/hoặc xuất hình ảnh, dữ liệu huấn luyện và kiểm thử ở định dạng TFRecord. Hãy xem trang ví dụ về học máy để xem các minh hoạ sử dụng TensorFlow với dữ liệu từ Earth Engine. Hãy xem trang TFRecord để biết thông tin chi tiết về cách Earth Engine ghi dữ liệu vào tệp TFRecord.

ee.Model

Gói ee.Model xử lý hoạt động tương tác với các mô hình học máy được lưu trữ.

Mô hình được lưu trữ trên Vertex AI

Bạn có thể tạo một thực thể ee.Model mới bằng ee.Model.fromVertexAi. Đây là đối tượng ee.Model đóng gói dữ liệu Earth Engine thành tensor, chuyển tiếp các tensor đó dưới dạng yêu cầu dự đoán đến Vertex AI, sau đó tập hợp lại các phản hồi vào Earth Engine.

Earth Engine hỗ trợ TensorFlow (ví dụ: định dạng SavedModel), PyTorch và các mô hình AutoML. Để chuẩn bị một mô hình để lưu trữ, hãy lưu mô hình đó, nhập mô hình đó vào Vertex AI, sau đó triển khai mô hình đó đến một điểm cuối.

Định dạng đầu vào

Để tương tác với Earth Engine, đầu vào và đầu ra của mô hình được lưu trữ cần tương thích với định dạng trao đổi được hỗ trợ. Định dạng mặc định là định dạng hoán đổi TensorProto, cụ thể là các TensorProto được chuyển đổi tuần tự ở cơ sở 64 (tham chiếu). Bạn có thể thực hiện việc này bằng cách lập trình, như minh hoạ trên trang ví dụ về học máy, sau khi huấn luyện và trước khi lưu, hoặc bằng cách tải, thêm phép biến đổi đầu vào và đầu ra rồi lưu lại. Các định dạng tải trọng khác được hỗ trợ bao gồm JSON với RAW_JSON và mảng nhiều chiều với ND_ARRAYS. Hãy xem tài liệu về định dạng tải trọng của chúng tôi để biết thêm thông tin chi tiết.

Quyền IAM của điểm cuối

Để sử dụng mô hình bằng ee.Model.fromVertexAi(), bạn phải có đủ quyền để sử dụng mô hình đó. Cụ thể, bạn (hoặc bất kỳ ai sử dụng mô hình) cần có ít nhất vai trò người dùng Vertex AI cho Dự án trên Google Cloud nơi lưu trữ mô hình. Bạn có thể kiểm soát quyền cho Dự án trên Google Cloud bằng các chế độ kiểm soát Quản lý danh tính và quyền truy cập (IAM).

Khu vực

Khi triển khai mô hình đến một điểm cuối, bạn cần chỉ định khu vực triển khai. Bạn nên chọn khu vực us-central1 vì khu vực này có thể hoạt động tốt nhất do gần với các máy chủ Earth Engine, nhưng hầu hết mọi khu vực đều hoạt động được. Hãy xem tài liệu về vị trí của Vertex AI để biết thông tin chi tiết về các khu vực của Vertex AI và những tính năng mà mỗi khu vực hỗ trợ.

Nếu bạn đang di chuyển từ Nền tảng AI, hãy lưu ý rằng Vertex AI không có điểm cuối toàn cục và ee.Model.fromVertexAi() không có tham số region.

Chi phí

Để biết thông tin chi tiết về chi phí, hãy xem trang giá liên quan của từng sản phẩm.

Bạn có thể sử dụng Công cụ tính giá để tạo chi phí ước tính dựa trên mức sử dụng dự kiến của mình.

Tài liệu đọc thêm

Để biết thêm thông tin chi tiết về cách sử dụng mô hình được lưu trữ bằng Earth Engine, hãy xem trang Dự đoán hình ảnh để dự đoán hình ảnh hoặc trang Dự đoán thuộc tính