Predicciones de modelos alojados

Earth Engine proporciona ee.Model como conector a los modelos alojados en Vertex AI. Earth Engine enviará datos de imágenes o tablas como solicitudes de predicción en línea a un modelo entrenado implementado en un extremo de Vertex AI. Los resultados del modelo estarán disponibles como imágenes o tablas de Earth Engine.

Modelos de TensorFlow

TensorFlow es una plataforma de aprendizaje automático (AA) de código abierto que admite métodos de AA avanzados, como el aprendizaje profundo. La API de Earth Engine proporciona métodos para importar o exportar imágenes, datos de entrenamiento y pruebas en formato TFRecord. Consulta la página de ejemplos de AA para ver demostraciones que usan TensorFlow con datos de Earth Engine. Consulta la página de TFRecord para obtener detalles sobre cómo escribe datos en archivos TFRecord.

ee.Model

El paquete ee.Model controla la interacción con los modelos de aprendizaje automático alojados.

Modelos alojados en Vertex AI

Se puede crear una nueva instancia de ee.Model con ee.Model.fromVertexAi. Este es un objeto ee.Model que empaqueta los datos de Earth Engine en tensores, los reenvía como solicitudes de predicción a Vertex AI y, luego, vuelve a ensamblar las respuestas en Earth Engine.

Earth Engine admite TensorFlow (p.ej., un formato SavedModel), PyTorch y modelos de AutoML. Para preparar un modelo para el hosting, guárdalo, importalo a Vertex AI y, luego, implementa el modelo en un extremo.

Formatos de entrada

Para interactuar con Earth Engine, las entradas y salidas de un modelo alojado deben ser compatibles con un formato de intercambio compatible. El valor predeterminado es el formato de intercambio de TensorProto, específicamente los TensorProtos serializados en base64 (referencia). Esto se puede hacer de forma programática, como se muestra en la página de ejemplos de AA, después del entrenamiento y antes de guardar, o cargando, agregando la transformación de entrada y salida, y volviendo a guardar. Otros formatos de carga útil admitidos incluyen JSON con RAW_JSON y arrays multidimensionaes con ND_ARRAYS. Consulta nuestra documentación sobre el formato de carga útil para obtener más detalles.

Permisos de IAM de los extremos

Para usar un modelo con ee.Model.fromVertexAi(), debes tener permisos suficientes para usarlo. Específicamente, tú (o cualquier persona que use el modelo) necesita al menos el rol de usuario de Vertex AI del proyecto de Cloud en el que se aloja el modelo. Controlas los permisos de tu proyecto de Cloud con los controles de Identity and Access Management (IAM).

Regiones

Cuando implementes tu modelo en un extremo, deberás especificar en qué región implementarlo. Se recomienda la región us-central1, ya que es probable que tenga el mejor rendimiento debido a su proximidad a los servidores de Earth Engine, pero casi cualquier región funcionará. Consulta los documentos de ubicación de Vertex AI para obtener detalles sobre las regiones de Vertex AI y las funciones que admite cada una.

Si migras desde AI Platform, ten en cuenta que Vertex AI no tiene un extremo global y que ee.Model.fromVertexAi() no tiene un parámetro region.

Costos

Para obtener información detallada sobre los costos, consulta la página de precios asociada de cada producto.

• Vertex AI (precios
• Cloud Storage (precios)
• Earth Engine (precios (comerciales))

Puedes usar la calculadora de precios para generar una estimación de costos según el uso previsto.

Lecturas adicionales

Para obtener más detalles sobre cómo usar un modelo alojado con Earth Engine, consulta nuestra página de predicción de imágenes o nuestra página de predicción de propiedades.