如何为Vertex AI现有数据集追加数据并重训练模型？有无Python流程？

UI操作流程 #

• 登录Vertex AI控制台，定位到目标单标签数据集详情页
• 点击右上角添加数据，选择数据来源（云存储、本地文件等）
• 确认新数据格式与原数据集匹配（比如单标签分类CSV需包含image_uri/text_content和label列，标签值需与原数据集一致）
• 完成导入配置后启动任务，等待数据追加及预处理完成

Python实现 #

使用Vertex AI Python SDK完成数据追加，示例代码如下：

from google.cloud import aiplatform

# 初始化客户端
aiplatform.init(project="你的项目ID", location="你的区域")

# 获取现有数据集（根据数据类型选择Tabular/Image/TextDataset）
dataset = aiplatform.TabularDataset("projects/你的项目ID/locations/你的区域/datasets/你的数据集ID")

# 新数据的云存储路径
gcs_source = "gs://你的存储桶路径/新数据文件.csv"

# 创建并启动数据导入作业
import_job = dataset.import_data(
    gcs_source=gcs_source,
    # 单标签分类对应schema，根据数据类型替换
    import_schema_uri=aiplatform.schema.dataset.ioformat.tabular.single_label_classification
)

# 等待作业完成
import_job.wait()

UI操作流程 #

• 进入Vertex AI控制台的模型页面，找到目标模型的详情页
• 点击训练新版本，选择已追加数据的现有数据集
• 确认训练配置（训练预算、优化目标等建议与原模型一致，保证性能对比公平）
• 启动训练任务，待新版本模型生成后，可选择部署到现有端点替换旧模型，或部署到新端点

Python实现 #

通过SDK触发重训练并可选部署模型，示例代码如下：

from google.cloud import aiplatform

aiplatform.init(project="你的项目ID", location="你的区域")

# 获取更新后的数据集
dataset = aiplatform.TabularDataset("projects/你的项目ID/locations/你的区域/datasets/你的数据集ID")

# 创建AutoML训练作业（根据数据类型选择对应TrainingJob）
training_job = aiplatform.AutoMLTabularTrainingJob(
    display_name="重训练单标签模型",
    optimization_prediction_type="classification",
    optimization_objective="maximize-au-roc"
)

# 启动训练任务
model = training_job.run(
    dataset=dataset,
    target_column="你的标签列名",
    training_fraction_split=0.7,
    validation_fraction_split=0.2,
    test_fraction_split=0.1,
    budget_milli_node_hours=1000  # 与原模型一致的训练预算
)

# （可选）部署新版本模型到现有端点
endpoint = aiplatform.Endpoint("projects/你的项目ID/locations/你的区域/endpoints/你的端点ID")
endpoint.deploy(model=model, machine_type="n1-standard-4")

注意事项 #

• 追加数据时，新数据的标签集合需与原数据集一致；若需新增标签，需先更新数据集的标签Schema
• 重训练时保持训练配置与原模型一致，便于对比模型性能变化
• 若原模型通过自定义管道创建，可复用现有管道，仅替换输入数据集即可触发重训练

内容的提问来源于stack exchange，提问作者Rakesh Saini