Earth Engine bietet ee.Model als Connector für Modelle, die auf Vertex AI gehostet werden.
Earth Engine sendet Bild- oder Tabellendaten als Online-Vorhersageanfragen an ein trainiertes Modell, das auf einem Vertex AI-Endpunkt bereitgestellt wird. Die Modellausgaben sind dann als Earth Engine-Bilder oder -Tabellen verfügbar.
TensorFlow-Modelle
TensorFlow ist eine Open-Source-Plattform für maschinelles Lernen, die erweiterte ML-Methoden wie Deep Learning unterstützt. Die Earth Engine API bietet Methoden zum Importieren und/oder Exportieren von Bildern sowie zum Trainieren und Testen von Daten im TFRecord-Format. Auf der Seite mit ML-Beispielen finden Sie Demonstrationen, in denen TensorFlow mit Daten aus Earth Engine verwendet wird. Auf der TFRecord-Seite finden Sie weitere Informationen dazu, wie Earth Engine Daten in TFRecord-Dateien schreibt.
ee.Model
Das ee.Model-Paket verarbeitet die Interaktion mit gehosteten Modellen für maschinelles Lernen.
Gehostete Modelle in Vertex AI
Eine neue ee.Model-Instanz kann mit ee.Model.fromVertexAi erstellt werden. Dies ist ein ee.Model-Objekt, das Earth Engine-Daten in Tensoren verpackt, sie als Vorhersageanfragen an Vertex AI weiterleitet und die Antworten dann wieder in Earth Engine zusammensetzt.
Earth Engine unterstützt TensorFlow (z.B. im SavedModel-Format), PyTorch und AutoML-Modelle. Wenn Sie ein Modell für das Hosting vorbereiten möchten, speichern Sie es, importieren es in Vertex AI und stellen es auf einem Endpunkt bereit.
Eingabeformate
Damit eine Interaktion mit Earth Engine möglich ist, müssen die Eingaben und Ausgaben eines gehosteten Modells mit einem unterstützten Austauschformat kompatibel sein. Standardmäßig wird das TensorProto-Austauschformat verwendet, insbesondere serialisierte TensorProtos in Base64 (Referenz). Das kann programmatisch erfolgen, wie auf der Seite mit ML-Beispielen gezeigt, nach dem Training und vor dem Speichern. Sie können die Transformation auch laden, die Eingabe- und Ausgabetransformation hinzufügen und das Modell dann noch einmal speichern. Weitere unterstützte Nutzlastformate sind JSON mit RAW_JSON und mehrdimensionale Arrays mit ND_ARRAYS. Weitere Informationen finden Sie in der Dokumentation zum Nutzlastformat.
IAM-Berechtigungen für Endpunkte
Wenn Sie ein Modell mit ee.Model.fromVertexAi() verwenden möchten, benötigen Sie die entsprechenden Berechtigungen. Sie (oder alle Nutzer des Modells) benötigen mindestens die Rolle Vertex AI-Nutzer für das Cloud-Projekt, in dem das Modell gehostet wird. Sie steuern die Berechtigungen für Ihr Cloud-Projekt mithilfe der Identity and Access Management (IAM)-Einstellungen.
Regionen
Wenn Sie Ihr Modell auf einem Endpunkt bereitstellen, müssen Sie angeben, in welcher Region die Bereitstellung erfolgen soll. Die Region us-central1 wird empfohlen, da sie aufgrund der Nähe zu den Earth Engine-Servern wahrscheinlich die beste Leistung bietet. Es funktioniert aber fast jede Region. In den Dokumenten zu Vertex AI-Standorten finden Sie Details zu Vertex AI-Regionen und den von ihnen unterstützten Funktionen.
Wenn Sie von der AI Platform migrieren, beachten Sie, dass Vertex AI keinen globalen Endpunkt und ee.Model.fromVertexAi() keinen Parameter region hat.
Kosten
Detaillierte Informationen zu den Kosten finden Sie auf der Preisseite des jeweiligen Produkts.
- Vertex AI (Preise
- Cloud Storage (Preise)
- Earth Engine (Preise (kommerziell))
Mit dem Preisrechner können Sie eine Kostenschätzung für die geplante Nutzung vornehmen.
Weiterführende Literatur
Weitere Informationen zur Verwendung eines gehosteten Modells mit Earth Engine finden Sie auf der Seite „Bildvorhersage“ für die Bildvorhersage oder auf der Seite „Eigenschaftenvorhersage“.