Vertex AI中DeployModelRequest的deployed_model参数应如何配置？

错误原因 #

你遇到的两个错误核心都是参数类型不匹配：

• 直接传入model_info（Model类实例），但DeployModelRequest的deployed_model字段要求的是google.cloud.aiplatform.v1.DeployedModel类型对象
• 使用model_info.deployed_models[0]得到的是DeployedModelRef（仅为已部署模型的引用标识），同样不符合类型要求

正确的参数传入方式 #

需要手动创建DeployedModel实例，明确指定要部署的模型完整资源名称，同时可根据业务需求配置部署资源规格（如机器类型、副本数等）。

修正后的代码示例 #

from google.cloud import aiplatform_v1

# 获取模型信息（此部分代码无需修改）
model_name = f'projects/{project}/locations/{location}/models/{model_id}'
client_model = aiplatform_v1.ModelServiceClient()
model_request = aiplatform_v1.types.GetModelRequest(name=model_name)
model_info = client_model.get_model(request=model_request)

# 创建符合要求的DeployedModel实例
deployed_model = aiplatform_v1.types.DeployedModel(
    model=model_name,  # 传入模型的完整资源名称
    # 可选：配置部署资源规格，示例为基础CPU机器配置
    machine_spec=aiplatform_v1.types.MachineSpec(
        machine_type="n1-standard-4"
    ),
    min_replica_count=1,
    max_replica_count=1
)

# 构建部署请求并执行部署
deploy_request = aiplatform_v1.types.DeployModelRequest(
    endpoint=end_point,
    deployed_model=deployed_model
)

client = aiplatform_v1.EndpointServiceClient()
client.deploy_model(request=deploy_request)

关键说明 #

• DeployedModel是用于定义部署规则的独立对象，必须包含目标模型的完整资源路径（即model_name）
• 若需自定义部署配置（如使用GPU、设置自动扩缩容规则），所有相关参数都需在DeployedModel实例中声明，无法直接复用已有模型或引用对象的配置

内容的提问来源于stack exchange，提问作者schoon