Google Cloud Vertex AI部署模型时报错400 'dedicated_resources'不支持

你遇到的google.api_core.exceptions.InvalidArgument: 400 'dedicated_resources' is not supported for Model报错，核心原因是当前你要部署的是Vertex AI AutoML训练的文本分类模型，这类官方预置训练流程产出的模型默认仅支持无服务器预测资源，不支持手动指定专用计算资源（包括机器类型、GPU加速卡、副本数配置都属于dedicated_resources范畴）。

方案1：使用默认无服务器部署（推荐适配AutoML模型） #

直接删除endpoint.deploy()方法中所有专用资源相关的参数即可，修改后的代码如下：

print("Deploying endpoint")
# 移除machine_type、accelerator_type、replica_count等所有自定义资源配置
endpoint.deploy(model)

无服务器部署会由Vertex AI自动根据请求量扩缩容，无需手动配置资源，按实际调用量结算费用，完全适配AutoML类模型的部署要求。

方案2：专用资源部署（仅适用于自定义训练模型） #

如果你确实需要使用指定配置的机器/GPU运行预测服务，满足以下前提即可正常部署：

• 你部署的不是AutoML训练产出的模型，是自定义训练代码导出并上传到Vertex AI的模型
• 上传模型时已经指定了匹配的自定义预测容器镜像、输入输出schema配置
  如果是AutoML训练的模型想要使用专用资源，需要先将模型导出为本地文件，再通过自定义容器的方式重新上传到Vertex AI后再部署。

可以先登录Vertex AI控制台，进入「模型」页面找到对应模型，查看模型类型标记，如果明确标注为「AutoML 文本」，直接使用方案1修改即可解决问题。

内容的提问来源于stack exchange，提问作者Optimus