我希望在一个地方管理我所有的Google Cloud机器学习模型(例如AI平台/Kubeflow/AutoML)。但是,我不确定在哪里可以找到AutoML,特别是我已经部署的AutoML表和模型。 随着复杂性的增加,我希望能够将AutoML模型移植到AI平台模型以迭代版本。此外,如果我想进行进一步的定制,我还可以将该模型引入Kubeflow,以进一步定制、版本化、管理和部署。 AI Platform、AutoML和Kubeflow的所有不同模型是如何管理和版本化的?
我刚刚在Google vertex AI上部署了一个ML模型,它可以使用vertex AI网络界面进行预测。但是,例如,是否可以从浏览器向该部署的模型发送请求。就像这样 http://myapp.cloud.google.com/input="features of an example" 并将预测结果作为输出。谢谢
gcloud ai endpoints create的返回值在哪里定义和记录?
我遵循GCP模型监视,任务是从gcloud ai endpoints create命令输出中获取模型端点ID。
# Deploy your model to the endpoint
ENDPOINT_NAME = "churn"
output = !gcloud --quiet beta ai endpoints create --display-name=$ENDPOINT_NAME --format="value(name)"
print("endpoint outpu