개요

소요 시간: 2시간

이 노트북에서는 로컬 학습에서 한 단계 나아가 클라우드 학습을 살펴봅니다. 이를 위해 Google Cloud의 Vertex AI Training 서비스를 사용합니다.

목표

이 실습에서 학습할 내용은 다음과 같습니다.

• Workbench 인스턴스 노트북 만들기
• 학습 코드를 Python 패키지로 구성하는 방법 알아보기
• Google Cloud 교육 서비스를 통해 클라우드 인프라를 사용하여 모델 학습시키기
• (선택사항) Docker 컨테이너를 사용하여 학습 패키지를 실행하고 학습 Docker 이미지를 Docker 레지스트리로 푸시하는 방법 알아보기

Vertex AI는 두 가지 노트북 솔루션인 Workbench와 Colab Enterprise를 제공합니다.

Workbench

Vertex AI Workbench는 제어 및 맞춤설정을 우선시하는 프로젝트에 적합한 옵션입니다. 복잡한 종속 항목이 여러 파일에 걸쳐 있는 프로젝트에 적합합니다. 워크스테이션이나 노트북에서 클라우드로 전환하는 데이터 과학자에게도 적합한 옵션입니다.

Vertex AI Workbench 인스턴스에는 TensorFlow 및 PyTorch 프레임워크 지원을 포함하여 딥 러닝 패키지 모음이 사전 설치되어 있습니다.

설정 및 요건

각 실습에서는 정해진 기간 동안 새 Google Cloud 프로젝트와 리소스 집합이 무료로 제공됩니다.

1. 시크릿 창을 사용하여 Qwiklabs에 로그인합니다.

2. 실습 사용 가능 시간(예: 1:15:00)을 참고하여 해당 시간 내에 완료합니다.
   일시중지 기능은 없습니다. 필요한 경우 다시 시작할 수 있지만 처음부터 시작해야 합니다.

3. 준비가 되면 실습 시작을 클릭합니다.

4. 실습 사용자 인증 정보(사용자 이름 및 비밀번호)를 기록해 두세요. Google Cloud Console에 로그인합니다.

5. Google Console 열기를 클릭합니다.

6. 다른 계정 사용을 클릭한 다음, 안내 메시지에 이 실습에 대한 사용자 인증 정보를 복사하여 붙여넣습니다.
   다른 사용자 인증 정보를 사용하는 경우 오류가 발생하거나 요금이 부과됩니다.

7. 약관에 동의하고 리소스 복구 페이지를 건너뜁니다.

작업 1. API 사용 설정

API가 사용 설정되어 있는지 확인

1. 탐색 메뉴 > API 및 서비스 > 라이브러리를 클릭합니다.

2. 검색창에서 AI Platform Training 및 Prediction API를 검색합니다. 생성된 결과를 클릭합니다.

3. 사용 설정을 클릭하여 API를 사용 설정합니다.

작업 2. Cloud Storage 버킷 만들기

1. Google Cloud 콘솔의 탐색 메뉴()에서 Cloud Storage > 버킷을 선택합니다.

2. + 만들기를 클릭합니다.

3. 고유한 이름을 설정합니다(프로젝트 ID가 고유하므로 이를 사용).

4. 데이터 저장 위치 선택에서 리전을 클릭합니다.

5. 만들기를 클릭합니다.

6. 공개 액세스가 차단됨이라는 메시지가 표시되면 확인을 클릭합니다.

작업 3. Vertex AI Workbench 인스턴스 실행

1. Google Cloud 콘솔의 탐색 메뉴()에서 Vertex AI > 대시보드를 선택합니다.

2. 모든 권장 API 사용 설정을 클릭합니다.

3. 탐색 메뉴에서 Workbench를 클릭합니다.

   Workbench 페이지 상단에서 인스턴스 뷰에 있는지 확인합니다.

4. 새로 만들기를 클릭합니다.

5. 인스턴스를 구성합니다.

   • 이름: lab-workbench
   • 리전: 리전을 (으)로 설정합니다.
   • 영역: 영역을 (으)로 설정합니다.
   • 고급 옵션(선택사항): 필요한 경우 '고급 옵션'을 클릭하여 추가로 맞춤설정(예: 머신 유형, 디스크 크기)할 수 있습니다.

6. 만들기를 클릭합니다.

인스턴스를 만드는 데 몇 분 정도 걸립니다. 준비되면 이름 옆에 녹색 체크표시가 나타납니다.

7. 인스턴스 이름 옆에 있는 JupyterLab 열기를 클릭하여 JupyterLab 인터페이스를 실행합니다. 그러면 브라우저에서 새 탭이 열립니다.

8. Python 3 아이콘을 클릭하여 새로운 Python 노트북을 실행합니다.

9. 메뉴 바에서 Untitled.ipynb 파일을 마우스 오른쪽 버튼으로 클릭한 후 Rename Notebook(노트북 이름 변경)을 선택하여 적합한 이름을 지정합니다.

환경이 설정되었습니다. 이제 Vertex AI Workbench 노트북 작업을 시작할 준비가 되었습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Vertex AI Workbench 인스턴스 실행

작업 4. JupyterLab 인터페이스 내에서 과정 저장소 클론

다음과 같이 JupyterLab 인스턴스에서 training-data-analyst 노트북을 클론합니다.

1. JupyterLab에서 터미널 아이콘을 클릭하여 새 터미널을 엽니다.

2. 명령줄 프롬프트에서 다음 명령어를 실행합니다.

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

3. training-data-analyst 디렉터리를 더블클릭하고 디렉터리의 콘텐츠를 볼 수 있는지 확인하여 저장소가 클론되었는지 확인합니다.
   이 과정의 모든 Jupyter 노트북 기반 실습 파일은 이 디렉터리에서 확인할 수 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. JupyterLab 인터페이스 내에서 과정 저장소 클론

작업 5. Vertex AI Training 서비스를 사용한 규모에 맞춘 학습

1. 노트북 인터페이스에서 training-data-analyst > courses > machine_learning > deepdive2 > introduction_to_tensorflow > labs > 1_training_at_scale_vertex.ipynb로 이동합니다.

2. 커널을 선택할 수 있는 팝업이 나타납니다. 옵션에서 TensorFlow 2.11 (Local) 커널을 선택합니다.

3. 노트북 인터페이스에서 Edit(수정) > Clear All Outputs(모든 출력 지우기)를 클릭합니다.

4. 노트북에서 REGION 값을 다음으로 바꿉니다.

5. 노트북 안내를 꼼꼼히 읽은 후, 필요에 따라 코드를 완성해야 하는 #TODO로 표시된 행을 작성합니다. 각 셀을 실행하여 출력을 확인합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Vertex AI Training 서비스를 사용한 규모에 맞춘 학습

실습 종료하기

실습을 완료하면 실습 종료를 클릭합니다. Google Cloud Skills Boost에서 사용된 리소스를 자동으로 삭제하고 계정을 지웁니다.

실습 경험을 평가할 수 있습니다. 해당하는 별표 수를 선택하고 의견을 입력한 후 제출을 클릭합니다.

별점의 의미는 다음과 같습니다.

• 별표 1개 = 매우 불만족
• 별표 2개 = 불만족
• 별표 3개 = 중간
• 별표 4개 = 만족
• 별표 5개 = 매우 만족

의견을 제공하고 싶지 않다면 대화상자를 닫으면 됩니다.

의견이나 제안 또는 수정할 사항이 있다면 지원 탭을 사용하세요.

Copyright 2020 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.