使用Vertex AI进行批量预测

Table of Contents

1. 介绍
2. 模型预测方法
   1. 批量预测
   2. 实时预测
3. 批量预测示例
   1. 数据集示例
   2. 创建批量预测作业
   3. 查看预测结果
4. 转换预测结果
   1. 准备工作
   2. 数据转换示例
      1. 获取数据集和表格名称
      2. 创建新表格
      3. 删除原始结果表格
5. 结论

1. 介绍

大家好！在本教程中，我们将使用我们的Vertex AI模型进行预测。有两种方法可以实现预测，第一种是批量预测，适用于处理累积数据且不需要即时结果的情况；第二种是实时预测，适用于根据应用程序输入或其他需要立即推断的情况。本视频重点介绍批量预测，接下来让我们跳转到将用于演示整个过程的数据集。

2. 模型预测方法

2.1 批量预测

批量预测用于处理累积数据，不需要即时结果的情况。对于批量预测，我们需要创建一个批量预测作业，并提供相应的数据集作为输入。预测结果将保存在输出表中供后续使用。

2.2 实时预测

实时预测用于响应应用程序输入或需要即时推断的情况。实时预测不需要创建作业，而是直接发送请求以获取预测结果。

3. 批量预测示例

3.1 数据集示例

我们的数据集包含多个列，其中“id”列用于唯一标识每个样本，而“stroke”列是我们要预测的目标列。在批量预测中，我们将使用除了“id”列以外的所有其他列作为输入进行预测。

3.2 创建批量预测作业

在创建批量预测作业之前，我们需要导入所需的库并建立与Vertex AI的连接。然后，我们可以通过提供项目ID、位置和模型ID来获取模型。接下来，我们需要检查所支持的批量预测作业的输入格式，并选择适合我们数据集的格式。在本例中，我们将使用BigQuery作为输入源。定义了作业的显示名称、BigQuery源表和目标表后，我们可以创建批量预测作业并等待其完成。

3.3 查看预测结果

作业完成后，我们可以在BigQuery中查看预测结果。预测结果保存在一个新的表中，其中包含预测的结果列。每个类别都有相应的分数，以便进行后续分析和使用。

4. 转换预测结果

4.1 准备工作

为了能够更加自动化地将预测结果转换为指定格式，我们将借助Python来完成该任务。首先，我们需要定义一个BigQuery客户端，以便进行后续的操作。

4.2 数据转换示例

4.2.1 获取数据集和表格名称

在进行数据转换之前，我们需要从批量预测作业中提取输出信息，并将其转换为字符串。然后，我们可以从字符串中提取数据集和表格名称。

4.2.2 创建新表格

我们将使用Python和正则表达式来创建一个新的表格，用于存储预测结果。在此之前，我们需要定义一个查询，其中包含了创建表格的具体步骤。

4.2.3 删除原始结果表格

最后，我们将删除原始的预测结果表格，以便在需要时重新创建。

5. 结论

通过本教程，我们学习了如何使用Vertex AI进行批量预测和实时预测。我们还展示了如何将原始的预测结果转换为指定的格式。希望本教程对您有所帮助！

FAQ

Q: 批量预测和实时预测有什么区别？ A: 批量预测用于处理累积数据，不需要即时结果的情况；而实时预测用于响应应用程序输入或需要即时推断的情况。

Q: 如何删除批量预测作业的预测结果表格？ A: 可以使用相应的代码来删除原始的预测结果表格，具体步骤请参考本教程第4.2.3节。

Q: 可以使用除了BigQuery外的其他数据源进行批量预测吗？ A: 是的，除了BigQuery，您还可以使用其他数据源作为批量预测的输入。具体支持的格式请参考Vertex AI文档。

资源

• Vertex AI文档