Envie comentários
Olá dados de texto: implantar modelo em um endpoint e enviar uma previsão
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
A partir de 15 de setembro de 2024, você só poderá personalizar objetivos de classificação, extração de entidade e análise de sentimento migrando para prompts e ajustes do Vertex AI Gemini. Os modelos de treinamento ou atualização do Vertex AI AutoML para classificação de texto, extração de entidades e objetivos de análise de sentimento não estarão mais disponíveis. Você pode continuar usando os modelos existentes do AutoML Text da Vertex AI até 15 de junho de 2025. Para uma comparação entre texto do AutoML e Gemini, consulte Gemini para usuários de texto do AutoML . Para obter mais informações sobre como o Gemini oferece uma experiência de usuário aprimorada por meio de recursos aprimorados de prompts, consulte Introdução ao ajuste . Para começar com o ajuste, consulte Ajuste de modelo para modelos de texto Gemini
Após o treinamento do modelo de classificação de texto do AutoML, use o console do Vertex AI para criar um endpoint e implantar seu modelo no endpoint. Depois que seu modelo for implantado no endpoint, envie um documento ao modelo para previsão de rótulo.
Este tutorial tem várias páginas:
Configurando seu projeto e ambiente.
Criando um conjunto de dados de classificação de texto.
Treinando um modelo de classificação de texto AutoML.
Implante o modelo em um endpoint e envie uma previsão.
Limpando seu projeto.
Cada página pressupõe que você já tenha executado as instruções das páginas anteriores do tutorial.
Implante seu modelo em um endpoint Acesse seu modelo treinado para implantá-lo em um novo endpoint na página Registro de Modelo .
No Google Cloud console, acesse a página Registro de modelo .
Acesse a página Cadastro de Modelo
Para Região , selecione us-central1 (Iowa) .
Clique no nome e no número da versão do seu modelo treinado do AutoML para visualizar detalhes sobre seu modelo.
Por exemplo, na guia Avaliar , você pode visualizar as métricas de desempenho do seu modelo.
Selecione a guia Implantar e testar para criar um endpoint.
Clique em Implementar no endpoint .
Na janela Implementar no endpoint , conclua as etapas a seguir:
Escolha radio_button_checked Criar novo endpoint e insira um nome para o endpoint, como hello_automl_text
.
Aceite a divisão de tráfego de 100% e clique em Implantar .
Leva vários minutos para criar o endpoint e implantar o modelo AutoML no novo endpoint.
Envie uma previsão para o seu modelo Após a criação do endpoint, você poderá enviar previsões de texto do console da Vertex AI.
No Google Cloud console, acesse a página Registro de modelo .
Acesse a página Cadastro de Modelo
Para Região , selecione us-central1 (Iowa) .
Clique no modelo treinado do AutoML.
Selecione a guia Implantar e testar
Na seção Teste seu modelo , insira o texto para previsão.
Clique em Prever para visualizar o rótulo previsto e a pontuação de confiança do modelo.
O que vem a seguir
Envie comentários
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons , e as amostras de código são licenciadas de acordo com a Licença Apache 2.0 . Para mais detalhes, consulte as políticas do site do Google Developers . Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-05-14 UTC.
Quer enviar seu feedback?
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-05-14 UTC."],[],[]]