Google Cloud AI Platform Unified
AI Platform Unified于2020年11月16日推出,让我们感到惊讶。确切了解什么是"统一"的。
因此,当我们注意到Google Cloud的这份简短的发行说明时,这真是令人惊讶:
我们认为是"统一的"。 "这到底意味着什么?!" "请不要告诉我们我们的文章在墨水干dried之前就已经过时了……"
什么是Google AI Platform Unified?
好吧,Google的官方文档将其描述为:
" AI平台(统一)将AutoML和AI平台(经典)整合到一个统一的API,客户端库和用户界面中。"
最初,我们对此感到有些困惑–至少在官方文档中,AutoML一直是AI平台的一部分。 实际上,一段时间以来,我们一直在使用Google Cloud中的这张图片来帮助总结AI平台服务。 并注意它包括AutoML!
因此,显然需要更多调查。
AutoML Tables
我以为首先要看一下我们为客户项目训练得最近的AutoML Tables线性回归模型。 我通过通常的链接https://console.cloud.google.com/automl-tables导航到AutoML Tables服务。
您可能想知道为什么我使用URL而不是在Cloud Console服务搜索栏中搜索它? 嗯,Google很难找到它,并且搜索" AutoML"," Tables"," AutoML tables"都找不到!
具有讽刺意味的是,如果您正在寻找AutoML自然语言,那么在搜索AutoML时仍然找不到任何内容。 Google,请解决此问题!
现在是第一个变化; 有人向我展示了一个大横幅,告知我这些服务现已在AI平台(统一)中提供。
有趣的是,这是可选的,并且我的所有模型仍然像以前一样显示。 我仍然可以训练新模型并上传数据集。 尽管Google建议在统一版本上创建任何新模型。
AI平台(统一)UI
我知道,那可真是一大口! 我们假设Google会在某个时候放弃统一的东西。 谁知道!
因此,单击上面的横幅,这里是我所有的AutoML Tables模型,自豪地坐在他们闪闪发光的新家中。
哦,嗯,实际上不是。 我的模特在哪里!
那太容易了,不是吗? 事实证明,所有模型和数据集都需要从经典迁移到统一。 好吧,让我们开始吧。
首先要注意的是Google列出了许多无法迁移的AutoML服务。 这些都记录在这里。 我们对其中包括AutoML自然语言模型感到有些失望,如下所示:
但是,对于我们的AutoML表模型来说,好消息是它们受到支持。哈雷!尽管有以下注意事项,但仍有一些限制。
将AutoML表迁移到AI Platform Unified
好的,这就是我需要做的。 这些步骤以及更多步骤可在此处获得。
· 导航到Google Cloud Console中的AI Platform Unified:https://console.cloud.google.com/ai/platform
· Google提供了一个方便的迁移工具。要使用该工具,请更改区域下拉列表以匹配模型所在的区域(我们在us-central1中)。您应该在屏幕底部看到"迁移到AI平台(统一)":
提示:看不到?您在该地区没有资源,或者您拥有的资源与统一资源不兼容(例如,AutoML文本分类模型)。
3.单击设置迁移按钮。
4.我现在看到列出了我们的AutoML表模型。到目前为止,这很好而且很容易。点击下一步。
5.这将带您进入评论页面。 这里详细说明了将要迁移的内容,在我们的示例中是6个模型和7个数据集。
提示:很高兴看到此迁移是免费的。 我们喜欢的另一件事是在迁移过程中复制了数据集和模型,因此,如果需要,至少可以还原到原始模型。
6.单击迁移资产。 您应该看到此横幅显示,通知您正在进行迁移,这可能需要一个小时。 完成后将发送电子邮件。
迁移我们的7个模型和6个数据集仅花费了1分钟。 真好!
7.完成后,只需刷新页面即可,现在您应该可以在新目录中看到模型和数据集。
我们迁移的数据集:
我们迁移的模型:
在AI Platform Unified中查看模型
好消息是我们真的很喜欢用于查看模型的新UI。我们将使用我们的线性分类模型之一作为示例。
这是模型的(经典)AutoML Table 视图:
现在看起来像这样:
请注意新用户界面中的以下更改:
· 导入选项卡已消失。 导入数据现已移至"数据集"。
· TRAIN选项卡也消失了。 这使我们感到困惑了一段时间-提醒一下,这是AutoML classic中该模型的训练选项卡的外观:
首先,我们认为这必须已经统一移至主菜单中的新培训项目。但是,单击我们模型的训练管道只会使我们回到模型页面。奇怪?我们已经问过Google,然后看看他们怎么说。
1. MODELS选项卡已由新的MODEL PROPERTIES选项卡代替,如下所示:
4.我们真的很喜欢新的EVALUTE标签。 很好地呈现了我们模型上的关键性能统计数据:
提示:特征重要性(上图)是AutoML表的一项重要功能,因为它清楚地显示了模型对您的特征有多重要。我们经常看到一些令人惊讶的结果(证明人为偏见有缺陷!)。很高兴看到这仍然是统一的。
1. AutoML Tables Class中的" TEST&USE"选项卡如下所示:
已在Unified中重新分配,如下所示:
测试和使用/批处理预测已移至Unified中自己的"批处理预测"选项卡。
测试和使用/在线预测已移至其自己的"部署和测试"选项卡:
测试与使用/导出模型已移至"部署和测试"(上方),也可从新的"导出"链接(下方)获得:
这使您可以将模型导出为Tensorflow模型,并导出到Cloud Storage(GCS)。这使您可以通过BigQuery ML进行预测,这是我们团队经常使用的一项很棒的功能。
结论
AI平台(统一)无疑是一个惊喜,我敢肯定,我们不会是唯一拥有这种观点的人。最初,它与文档(以及一个内容发行说明!)有点混淆,确切地说是统一提供了经典功能。希望我们为您节省了一些时间来阅读文档,并为您提供了一些清晰的信息。
从我们的动手示例中可以明显看出,迁移工具易于使用。一旦开始迁移AutoML模型,就可以在AI平台内更紧密地集成AutoML了。我们通常都喜欢这些更改,尤其是更干净的UI和其他AI资源(例如AI Platform Notebooks)的托管。
我们仍然对培训部分有些困惑-因此,我们会让您知道我们从Google那里收到的反馈。
在后续文章中,我们将向您展示在AI Platform Unified中现在对模型进行什么样的训练,并将其与AutoML表进行比较。 应该很有趣!
(本文由闻数起舞翻译自Rebecca Vickery的文章《Google Cloud AI Platform Unified》,转载请注明出处,原文链接:https://towardsdatascience.com/google-cloud-ai-platform-unified-5172e26182ff)
免责声明:本文转载自闻数起舞,所发内容不代表本网站立场,如有侵权请联系删除。