Earth Engine предоставляет ee.Model в качестве соединителя для моделей, размещенных на Vertex AI . Earth Engine будет отправлять данные изображений или таблиц в виде онлайн-запросов на прогнозирование обученной модели, развернутой на конечной точке Vertex AI. Затем выходные данные модели доступны в виде изображений или таблиц Earth Engine.
Модели TensorFlow
TensorFlow — это платформа машинного обучения (ML) с открытым исходным кодом, которая поддерживает передовые методы ML, такие как глубокое обучение. API Earth Engine предоставляет методы для импорта и/или экспорта изображений, данных обучения и тестирования в формате TFRecord. Смотрите страницу примеров ML для демонстраций, которые используют TensorFlow с данными из Earth Engine. Смотрите страницу TFRecord для получения подробной информации о том, как Earth Engine записывает данные в файлы TFRecord.
ee.Model
Пакет ee.Model обеспечивает взаимодействие с размещенными моделями машинного обучения.
Размещенные модели на Vertex AI
Новый экземпляр ee.Model может быть создан с помощью ee.Model.fromVertexAi . Это объект ee.Model , который упаковывает данные Earth Engine в тензоры, пересылает их в качестве запросов на прогнозирование в Vertex AI, а затем повторно собирает ответы в Earth Engine.
Earth Engine поддерживает модели TensorFlow (например, формат SavedModel ), PyTorch и AutoML. Чтобы подготовить модель для хостинга, сохраните ее , импортируйте в Vertex AI , затем разверните модель в конечной точке .
Форматы ввода
Для взаимодействия с Earth Engine входы и выходы размещенной модели должны быть совместимы с поддерживаемым форматом обмена. По умолчанию используется формат обмена TensorProto, а именно сериализованные TensorProtos в base64 ( ссылка ). Это можно сделать программно, как показано на странице примеров ML , после обучения и перед сохранением, или путем загрузки, добавления преобразования входов и выходов и повторного сохранения. Другие поддерживаемые форматы полезной нагрузки включают JSON с RAW_JSON и многомерные массивы с ND_ARRAYS . Более подробную информацию см. в нашей документации по формату полезной нагрузки .
Разрешения IAM конечной точки
Чтобы использовать модель с ee.Model.fromVertexAi() , у вас должны быть достаточные разрешения на использование модели. В частности, вам (или любому, кто использует модель) нужна как минимум роль пользователя Vertex AI для облачного проекта, где размещена модель. Вы контролируете разрешения для своего облачного проекта с помощью элементов управления Identify and Access Management (IAM) .
Регионы
При развертывании модели в конечной точке вам нужно будет указать, в какой регион ее следует развертывать. Рекомендуется регион us-central1 поскольку он, скорее всего, будет работать лучше всего из-за близости к серверам Earth Engine, но подойдет практически любой регион. Подробную информацию о регионах Vertex AI и поддерживаемых функциях см. в документации по местоположению Vertex AI.
Если вы переходите с AI Platform, обратите внимание, что Vertex AI не имеет глобальной конечной точки, а ee.Model.fromVertexAi() не имеет параметра region .
Расходы
Подробную информацию о ценах можно найти на странице с ценами на каждый продукт.
- Vertex AI ( ценообразование )
- Облачное хранилище ( цены )
- Earth Engine ( ценообразование (коммерческое) )
Вы можете воспользоваться калькулятором цен , чтобы рассчитать стоимость на основе прогнозируемого использования.
Дальнейшее чтение
Более подробную информацию об использовании размещенной модели с Earth Engine см. на нашей странице Прогнозирование изображений для прогнозирования изображений или на нашей странице Прогнозирование свойств.