Earth Engine 提供 ee.Model 做為 Vertex AI 代管模型的連接器。Earth Engine 會將圖片或表格資料做為線上預測要求，傳送至已部署在 Vertex AI 端點上的訓練模型。模型輸出內容會以 Earth Engine 圖片或表格形式提供。
TensorFlow 模型
TensorFlow 是開放原始碼機器學習 (ML) 平台，支援深度學習等進階 ML 方法。Earth Engine API 提供方法，可用於匯入或匯出 TFRecord 格式的圖像、訓練和測試資料。請參閱ML 範例頁面，瞭解如何使用 TensorFlow 搭配 Earth Engine 的資料進行示範。如要進一步瞭解 Earth Engine 如何將資料寫入 TFRecord 檔案，請參閱 TFRecord 頁面。
ee.Model
ee.Model 套件會處理與託管機器學習模型的互動。
Vertex AI 上的代管模型
您可以使用 ee.Model.fromVertexAi 建立新的 ee.Model 例項。這是一個 ee.Model 物件，可將 Earth Engine 資料封裝成張量，並將其轉送為預測要求，傳送至 Vertex AI，然後將回應重新組合至 Earth Engine。
Earth Engine 支援 TensorFlow (例如 SavedModel 格式)、PyTorch 和 AutoML 模型。如要準備模型供代管，請儲存模型，將模型匯入 Vertex AI，然後將模型部署至端點。
輸入格式
如要與 Earth Engine 互動，託管模型的輸入內容和輸出內容必須與支援的交換格式相容。預設值為 TensorProto 交換格式，也就是以 base64 序列化 TensorProto (參考資料)。您可以透過程式輔助方式 (如機器學習範例頁面所示) 在訓練後和儲存前執行這項操作，也可以透過載入、新增輸入和輸出轉換，然後重新儲存的方式執行這項操作。其他支援的酬載格式包括含有 RAW_JSON 的 JSON，以及含有 ND_ARRAYS 的多維陣列。詳情請參閱酬載格式說明文件。
端點身分與存取權管理權限
如要搭配 ee.Model.fromVertexAi() 使用模型，您必須具備足夠的權限才能使用模型。具體來說，您 (或任何使用模型的使用者) 至少需要模型託管的 Cloud 專案的 Vertex AI 使用者角色。您可以使用 Identity and Access Management (IAM) 控制項控管 Cloud 專案的權限。
區域
將模型部署至端點時，您必須指定要部署至哪個區域。建議使用 us-central1 區域，因為該區域距離 Earth Engine 伺服器較近，因此效能可能會比較好，但幾乎所有區域都適用。如要進一步瞭解 Vertex AI 地區和各地區支援的功能，請參閱 Vertex AI 位置說明文件。
如果您要從 AI 平台遷移，請注意 Vertex AI 沒有全域端點，而 ee.Model.fromVertexAi() 也沒有 region 參數。
費用
如需費用詳細資訊，請參閱各產品的相關定價頁面。
您可以使用 Pricing Calculator，根據您的預測使用量產生預估費用。