15、谷歌云Vertex AI特征存储库使用指南

谷歌云Vertex AI特征存储库使用指南

在机器学习领域，高效管理和利用特征数据对于构建高质量的模型至关重要。谷歌云Vertex AI提供了强大的特征存储库（Feature Store）功能，帮助用户集中管理和交付机器学习特征。本文将详细介绍Vertex AI特征存储库的相关知识，包括其概念、优势、操作步骤等内容。

1. 机器学习管道与资源管理

在使用谷歌云Vertex AI进行机器学习时，管道（Pipeline）会花费几分钟完成训练，并将训练好的模型推送到云存储中。若管道采用TFX或Kubeflow构建，其在GCP中的用户界面保持不变。

管道工件（Pipeline artifacts）会存储在云存储中，具体如下：
- 模块文件夹 ：包含创建转换和训练组件时推送的Python文件。
- 输出模型文件夹 ：包含训练好的分类模型。
- 根文件夹 ：包含管道各组件的工件。

使用完相关资源后，需要进行资源删除操作，确保删除工作台，并清除云存储中存储的数据。

2. 认识Vertex AI特征存储库

Vertex AI特征存储库是一个集中式的存储库，用于管理和交付机器学习特征。许多组织为了加速创建和交付高质量的ML应用程序，纷纷转向集中式特征存储库，以促进大规模的特征共享、发现和重用。

Vertex AI特征存储库是一个完全托管的解决方案，它处理存储和处理能力以及后端基础设施的其他组件。这使得数据科学家可以专注于特征计算逻辑，而忽略将特征投入生产的困难。