Présentation

Durée : 2 heures

Dans ce notebook, nous allons passer de l'entraînement en local à l'entraînement dans le cloud. Pour cela, nous allons utiliser le service Vertex AI Training de Google Cloud.

Objectifs

Au cours de cet atelier, vous allez :

• créer un notebook d'instance Workbench ;
• apprendre à organiser votre code d'entraînement dans un package Python ;
• entraîner votre modèle à l'aide de l'infrastructure cloud via le service d'entraînement Google Cloud ;
• (facultatif) apprendre à exécuter votre package d'entraînement à l'aide des conteneurs Docker et à envoyer des images d'entraînement Docker dans un registre Docker.

Vertex AI propose deux solutions de notebook, Workbench et Colab Enterprise.

Workbench

Vertex AI Workbench constitue un excellent choix pour les projets où la priorité est donnée au contrôle et à la personnalisation. Il convient particulièrement aux projets élaborés composés de plusieurs fichiers, avec des dépendances complexes. C'est également un bon choix pour un data scientist qui passe d'une station de travail ou d'un ordinateur portable au cloud.

Les instances Vertex AI Workbench sont fournies avec une suite préinstallée de packages de deep learning, compatibles avec les frameworks TensorFlow et PyTorch.

Préparation

Pour chaque atelier, nous vous attribuons un nouveau projet Google Cloud et un nouvel ensemble de ressources pour une durée déterminée, sans frais.

1. Connectez-vous à Qwiklabs dans une fenêtre de navigation privée.

2. Vérifiez le temps imparti pour l'atelier (par exemple : 01:15:00) : vous devez pouvoir le terminer dans ce délai.
   Une fois l'atelier lancé, vous ne pouvez pas le mettre en pause. Si nécessaire, vous pourrez le redémarrer, mais vous devrez tout reprendre depuis le début.

3. Lorsque vous êtes prêt, cliquez sur Démarrer l'atelier.

4. Notez vos identifiants pour l'atelier (Nom d'utilisateur et Mot de passe). Ils vous serviront à vous connecter à Google Cloud Console.

5. Cliquez sur Ouvrir la console Google.

6. Cliquez sur Utiliser un autre compte, puis copiez-collez les identifiants de cet atelier lorsque vous y êtes invité.
   Si vous utilisez d'autres identifiants, des messages d'erreur s'afficheront ou des frais seront appliqués.

7. Acceptez les conditions d'utilisation et ignorez la page concernant les ressources de récupération des données.

Tâche 1 : Activer les API

Vérifier que l'API est activée

1. Cliquez sur le menu de navigation > API et services > Bibliothèque.

2. Saisissez ensuite API AI Platform Training et Prediction dans le champ de recherche. Cliquez sur le résultat généré.

3. Cliquez sur Activer pour activer l'API.

Tâche 2 : Créer un bucket Cloud Storage

1. Dans le menu de navigation () de la console Google Cloud, sélectionnez Cloud Storage > Buckets.

2. Cliquez sur + Créer.

3. Définissez un nom unique (utilisez l'ID de votre projet, qui est unique).

4. Dans Choisir où stocker vos données, cliquez sur Région.

5. Cliquez sur Créer.

6. Si le message L'accès public sera bloqué s'affiche, cliquez sur Confirmer.

Tâche 3 : Lancer une instance Vertex AI Workbench

1. Dans le menu de navigation () de la console Google Cloud, sélectionnez Vertex AI > Tableau de bord.

2. Cliquez sur Activer toutes les API recommandées.

3. Dans le menu de navigation, cliquez sur Workbench.

   En haut de la page "Workbench", vérifiez que vous vous trouvez dans la vue Instances.

4. Cliquez sur Créer.

5. Configurez l'instance :

   • Nom : lab-workbench
   • Région : définissez la région sur
   • Zone : définissez la zone sur
   • Options avancées (facultatif) : si nécessaire, cliquez sur "Options avancées" pour une personnalisation plus avancée (par exemple, type de machine, taille du disque).

6. Cliquez sur Créer.

La création de l'instance prend quelques minutes. Une coche verte apparaît à côté de son nom quand elle est prête.

7. Cliquez sur Ouvrir JupyterLab à côté du nom de l'instance pour lancer l'interface JupyterLab. Un nouvel onglet s'ouvre alors dans votre navigateur.

8. Cliquez sur l'icône Python 3 pour lancer un nouveau notebook Python.

9. Effectuez un clic droit sur le fichier Untitled.ipynb dans la barre de menu et sélectionnez Renommer le notebook pour lui attribuer un nom significatif.

Votre environnement est configuré. Vous êtes maintenant prêt à utiliser votre notebook Vertex AI Workbench.

Cliquez sur Vérifier ma progression pour valider l'objectif. Lancer une instance Vertex AI Workbench

Tâche 4 : Cloner un dépôt du cours dans votre interface JupyterLab

Pour cloner le notebook "training-data-analyst" dans votre instance JupyterLab :

1. Dans JupyterLab, cliquez sur l'icône Terminal pour ouvrir un nouveau terminal.

2. À l'invite, exécutez la commande suivante :

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

3. Pour vérifier que vous avez bien cloné le dépôt, double-cliquez sur le répertoire "training-data-analyst" et vérifiez que vous pouvez voir son contenu.
   Vous y trouverez les fichiers de tous les ateliers de ce cours basés sur des notebooks Jupyter.

Cliquez sur Vérifier ma progression pour valider l'objectif. Cloner un dépôt du cours dans votre interface JupyterLab

Tâche 5 : Entraîner des modèles à grande échelle avec le service Vertex AI Training

1. Dans l'interface du notebook, accédez à training-data-analyst > courses > machine_learning > deepdive2 > introduction_to_tensorflow > labs > 1_training_at_scale_vertex.ipynb.

2. Un pop-up s'affiche pour vous permettre de sélectionner un kernel. Choisissez le kernel TensorFlow 2.11 (Local) parmi les options disponibles.

3. Dans l'interface du notebook, cliquez sur Modifier > Supprimer tous les éléments de sortie.

4. Sous "Notebook", remplacez la valeur REGION par :

5. Lisez attentivement les instructions du notebook et complétez le code sur les lignes contenant la mention #TODO. Exécutez chaque cellule pour observer les résultats.

Cliquez sur Vérifier ma progression pour valider l'objectif. Entraîner des modèles à grande échelle avec le service Vertex AI Training

Terminer l'atelier

Une fois l'atelier terminé, cliquez sur Terminer l'atelier. Google Cloud Skills Boost supprime les ressources que vous avez utilisées, puis efface le compte.

Si vous le souhaitez, vous pouvez noter l'atelier. Sélectionnez un nombre d'étoiles, saisissez un commentaire, puis cliquez sur Envoyer.

Le nombre d'étoiles correspond à votre degré de satisfaction :

• 1 étoile = très insatisfait(e)
• 2 étoiles = insatisfait(e)
• 3 étoiles = ni insatisfait(e), ni satisfait(e)
• 4 étoiles = satisfait(e)
• 5 étoiles = très satisfait(e)

Si vous ne souhaitez pas donner votre avis, vous pouvez fermer la boîte de dialogue.

Pour soumettre des commentaires, suggestions ou corrections, veuillez accéder à l'onglet Assistance.

Copyright 2020 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.