Prediksi dari Model yang Dihosting

Earth Engine menyediakan ee.Model sebagai konektor ke model yang dihosting di Vertex AI. Earth Engine akan mengirim data gambar atau tabel sebagai permintaan prediksi online ke model terlatih yang di-deploy di endpoint Vertex AI. Output model kemudian tersedia sebagai gambar atau tabel Earth Engine.

Model TensorFlow

TensorFlow adalah platform machine learning (ML) open source yang mendukung metode ML lanjutan seperti deep learning. Earth Engine API menyediakan metode untuk mengimpor dan atau mengekspor gambar, data pelatihan, dan pengujian dalam format TFRecord. Lihat halaman contoh ML untuk melihat demonstrasi yang menggunakan TensorFlow dengan data dari Earth Engine. Lihat halaman TFRecord untuk mengetahui detail tentang cara Earth Engine menulis data ke file TFRecord.

ee.Model

Paket ee.Model menangani interaksi dengan model machine learning yang dihosting.

Model yang Dihosting di Vertex AI

Instance ee.Model baru dapat dibuat dengan ee.Model.fromVertexAi. Ini adalah objek ee.Model yang memaketkan data Earth Engine ke dalam tensor, meneruskannya sebagai permintaan prediksi ke Vertex AI, lalu menyusun ulang respons ke dalam Earth Engine.

Earth Engine mendukung TensorFlow (misalnya, format SavedModel), PyTorch, dan model AutoML. Untuk menyiapkan model untuk dihosting, simpan, impor ke Vertex AI, lalu deploy model ke endpoint.

Format Input

Untuk berinteraksi dengan Earth Engine, input dan output model yang dihosting harus kompatibel dengan format pertukaran yang didukung. Default-nya adalah format pertukaran TensorProto, khususnya TensorProto serial dalam base64 (referensi). Hal ini dapat dilakukan secara terprogram, seperti yang ditunjukkan di halaman contoh ML, setelah pelatihan dan sebelum menyimpan, atau dengan memuat, menambahkan transformasi input dan output, dan menyimpan ulang. Format payload lain yang didukung mencakup JSON dengan RAW_JSON dan array multidimensi dengan ND_ARRAYS. Lihat dokumentasi format payload kami untuk mengetahui detail selengkapnya.

Izin IAM Endpoint

Untuk menggunakan model dengan ee.Model.fromVertexAi(), Anda harus memiliki izin yang memadai untuk menggunakan model tersebut. Secara khusus, Anda (atau siapa pun yang menggunakan model) memerlukan setidaknya peran pengguna Vertex AI untuk Project Cloud tempat model dihosting. Anda mengontrol izin untuk Project Cloud menggunakan kontrol Identity and Access Management (IAM).

Wilayah

Saat men-deploy model ke endpoint, Anda harus menentukan region tempat deployment dilakukan. Region us-central1 direkomendasikan karena kemungkinan akan berperforma terbaik karena kedekatannya dengan server Earth Engine, tetapi hampir semua region akan berfungsi. Lihat dokumen lokasi Vertex AI untuk mengetahui detail tentang region Vertex AI dan fitur yang didukung oleh setiap region.

Jika Anda bermigrasi dari AI Platform, perhatikan bahwa Vertex AI tidak memiliki endpoint global, dan ee.Model.fromVertexAi() tidak memiliki parameter region.

Biaya

Untuk mengetahui informasi mendetail tentang biaya, lihat halaman harga terkait setiap produk.

Anda dapat menggunakan Kalkulator Harga untuk membuat perkiraan biaya berdasarkan proyeksi penggunaan.

Bacaan Lebih Lanjut

Untuk detail selengkapnya tentang cara menggunakan model yang dihosting dengan Earth Engine, lihat halaman Prediksi Gambar untuk prediksi gambar, atau halaman Prediksi Properti