Descripción general

Duración: 2 horas

En este notebook, pasaremos del entrenamiento local al entrenamiento en la nube. Aprovecharemos el servicio de Vertex AI Training de Google Cloud.

Objetivos

En este lab, aprenderás a hacer lo siguiente:

• Crear un notebook de instancia de Workbench
• Organizar tu código de entrenamiento en un paquete de Python
• Entrenar tu modelo con infraestructura de nube mediante el servicio de capacitación de Google Cloud
• Ejecutar tu paquete de entrenamiento con contenedores de Docker y enviar imágenes de Docker de entrenamiento a un registro de Docker (opcional)

Vertex AI ofrece dos soluciones de notebook, Workbench y Colab Enterprise.

Workbench

Vertex AI Workbench es una buena opción para los proyectos que priorizan el control y la personalización. Es excelente para proyectos complejos que abarcan múltiples archivos, con dependencias complejas. También es una buena opción para científicos de datos que están haciendo la transición a la nube desde una estación de trabajo o laptop.

Las instancias de Vertex AI Workbench tienen un conjunto preinstalado de paquetes de aprendizaje profundo, lo que incluye la compatibilidad con los frameworks de TensorFlow y PyTorch.

Configuración y requisitos

En cada lab, recibirá un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Accede a Qwiklabs desde una ventana de incógnito.

2. Ten en cuenta el tiempo de acceso del lab (por ejemplo, 1:15:00) y asegúrate de finalizarlo en el plazo asignado.
   No existe una función de pausa. Si lo necesita, puede reiniciar el lab, pero deberá hacerlo desde el comienzo.

3. Cuando esté listo, haga clic en Comenzar lab.

4. Anote las credenciales del lab (el nombre de usuario y la contraseña). Las usarás para acceder a la consola de Google Cloud.

5. Haga clic en Abrir Google Console.

6. Haga clic en Usar otra cuenta, copie las credenciales para este lab y péguelas en el mensaje emergente que aparece.
   Si usa otras credenciales, se generarán errores o incurrirá en cargos.

7. Acepta las condiciones y omite la página de recursos de recuperación.

Tarea 1: Habilita las APIs

Asegúrate de que la API esté habilitada

1. Haz clic en el menú de navegación > APIs y servicios > Biblioteca.

2. Luego, busca API de AI Platform Training & Prediction en el cuadro de búsqueda. Haz clic en el resultado generado.

3. Haz clic en Habilitar para habilitar la API.

Tarea 2: Crea un bucket de Cloud Storage

1. En la consola de Google Cloud, en el Menú de navegación (), selecciona Cloud Storage > Buckets.

2. Haz clic en + Crear.

3. Define un nombre único (usa tu ID del proyecto porque es único).

4. En Elige dónde almacenar tus datos, haz clic en Región.

5. Haz clic en Crear.

6. Si aparece el mensaje Se impedirá el acceso público, haz clic en Confirmar.

Tarea 3: Inicia la instancia de Vertex AI Workbench

1. En el menú de navegación () de la consola de Google Cloud, selecciona Vertex AI > Panel.

2. Haz clic en Habilitar todas las APIs recomendadas.

3. En el menú de navegación, haz clic en Workbench.

   En la parte superior de la página de Workbench, asegúrate de estar en la vista Instancias.

4. Haz clic en Crear nueva.

5. Configura la instancia:

   • Nombre: lab-workbench
   • Región: Configura la región como
   • Zona: Establece la zona en
   • Opciones avanzadas (opcional): Si es necesario, haz clic en "Opciones avanzadas" para realizar personalizaciones adicionales (p. ej., tipo de máquina, tamaño del disco).

6. Haz clic en Crear.

La instancia tardará algunos minutos en crearse. Se mostrará una marca de verificación verde junto a su nombre cuando esté lista.

7. Haz clic en ABRIR JUPYTERLAB junto al nombre de la instancia para iniciar la interfaz de JupyterLab. Se abrirá una pestaña nueva en el navegador.

8. Haz clic en el ícono de Python 3 para iniciar un nuevo notebook de Python.

9. Haz clic con el botón derecho en el archivo Untitled.ipynb en la barra de menú y selecciona Cambiar el nombre del notebook para asignarle un nombre significativo.

Acabas de configurar el entorno. Ya tienes todo listo para comenzar a trabajar con tu notebook de Vertex AI Workbench.

Haz clic en Revisar mi progreso para verificar el objetivo. Iniciar la instancia de Vertex AI Workbench

Tarea 4: Clona un repo de un curso en tu interfaz de JupyterLab

Sigue estos pasos para clonar el notebook training-data-analyst en tu instancia de JupyterLab:

1. Para abrir una nueva terminal en JupyterLab, haz clic en el ícono de Terminal.

2. En la ventana de la línea de comandos, ejecuta el siguiente comando:

   git clone https://github.com/GoogleCloudPlatform/training-data-analyst

3. Para verificar que se haya clonado el repositorio, haz doble clic en el directorio training-data-analyst y confirma que puedes ver el contenido.
   Los archivos de todos los labs de Jupyter basados en notebooks de este curso se encuentran disponibles en este directorio.

Haz clic en Revisar mi progreso para verificar el objetivo. Clonar un repo de un curso en tu interfaz de JupyterLab

Tarea 5: Entrena a gran escala con el servicio de Vertex AI Training

1. En la interfaz del notebook, navega a training-data-analyst > courses > machine_learning > deepdive2 > introduction_to_tensorflow > labs > 1_training_at_scale_vertex.ipynb.

2. Aparecerá una ventana emergente en la que deberás seleccionar un kernel. Entre las opciones, elige el kernel TensorFlow 2.11 (Local).

3. En la interfaz del notebook, haz clic en Editar > Borrar todos los resultados.

4. En Notebook, asegúrate de reemplazar el valor de REGION por lo siguiente:

5. Lee con atención las instrucciones del notebook y completa con el código correspondiente las líneas que están marcadas con #TODO. Ejecuta cada celda para observar los resultados.

Haz clic en Revisar mi progreso para verificar el objetivo. Entrenar a gran escala con el servicio de Vertex AI Training

Finalice su lab

Cuando haya completado el lab, haga clic en Finalizar lab. Google Cloud Skills Boost quitará los recursos que usó y limpiará la cuenta.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2020 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.