Neste laboratório, você cria um conjunto de dados de classificação de imagens e importa imagens, treina um modelo de classificação de imagens do AutoML, implanta um modelo em um endpoint e envia uma previsão.
Para cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período e sem custos financeiros.
Faça login no Qwiklabs em uma janela anônima.
Confira o tempo de acesso do laboratório (por exemplo, 1:15:00) e finalize todas as atividades nesse prazo.
Não é possível pausar o laboratório. Você pode reiniciar o desafio, mas vai precisar refazer todas as etapas.
Quando tudo estiver pronto, clique em Começar o laboratório.
Anote as credenciais (Nome de usuário e Senha). É com elas que você vai fazer login no Console do Google Cloud.
Clique em Abrir Console do Google.
Clique em Usar outra conta, depois copie e cole as credenciais deste laboratório nos locais indicados.
Se você usar outras credenciais, vai receber mensagens de erro ou cobranças.
Aceite os termos e pule a página de recursos de recuperação.
Este laboratório usa a mais nova oferta de produtos de IA disponível no Google Cloud. A Vertex AI integra as ofertas de ML do Google Cloud em uma experiência de desenvolvimento intuitiva. Anteriormente, modelos treinados com o AutoML e modelos personalizados eram acessíveis por serviços separados. A nova oferta combina ambos em uma única API, com outros novos produtos. Você também pode migrar projetos para a Vertex AI. Se tiver algum feedback, acesse a página Receber suporte.
A Vertex AI inclui vários produtos para dar suporte a fluxos de trabalho integrais de ML. O foco deste laboratório são os produtos destacados abaixo: treinamento/ajuste de HP e Notebooks.
Os arquivos de imagem que você vai usar neste tutorial são do conjunto de dados de flores usado nesta postagem do blog do Tensorflow. Essas imagens de entrada são armazenadas em um bucket público do Cloud Storage. Esse bucket acessível publicamente também contém um arquivo CSV usado para a importação de dados. Esse arquivo tem duas colunas: a primeira coluna lista o URI de uma imagem no Cloud Storage e a segunda contém o rótulo da imagem. Confira abaixo alguns exemplos de linhas.
gs://cloud-training/mlongcp/v3.0_MLonGC/toy_data/flowers_toy.csv:
Para iniciar o processo de criação do seu conjunto de dados e o treinamento do seu modelo de classificação de imagens, na página da Vertex AI, clique em Painel no painel de navegação.
No painel central, em Preparar dados, clique em Criar conjunto de dados.
Opcional: especifique um nome para ele.
Para Selecionar um tipo de dados e um objetivo, na guia Imagem, selecione Classificação de rótulo único.
Em Região, selecione
Para criar o conjunto de dados vazio, clique em Criar.
A página Importar é aberta.
Escolha a opção Selecionar arquivos de importação do Cloud Storage e especifique o URI do Cloud Storage do arquivo CSV com o local da imagem e os dados do identificador.
O arquivo CSV está em: gs://cloud-training/mlongcp/v3.0_MLonGC/toy_data/flowers_toy.csv.
Para o caminho de importação do arquivo, digite cloud-training/mlongcp/v3.0_MLonGC/toy_data/flowers_toy.csv
Para iniciar a importação da imagem, clique em Continuar.
O processo de importação leva cerca de 15 minutos. Quando estiver concluído, a próxima página vai mostrar todas as imagens identificadas para seu conjunto de dados, rotuladas ou não.
Use o Console do Google Cloud para treinar um modelo de classificação de imagem do AutoML. Depois que o conjunto de dados for criado e os dados forem importados, use o Console do Cloud para revisar as imagens de treinamento e iniciar o treinamento do modelo.
Depois que o conjunto de dados é importado, a guia Procurar é aberta. Também é possível acessar essa guia selecionando conjuntos de dados no menu lateral e selecionando o conjunto de anotações (conjunto de anotações de imagens de rótulo único) associado ao novo conjunto de dados.
Na guia Procurar, escolha Treinar novo modelo para iniciar o treinamento.
O treinamento leva cerca de 2 horas. Quando o modelo termina o treinamento, um ícone de status de marca de seleção verde aparece.
Depois que o treinamento do modelo de classificação de imagens do AutoML for concluído, use o Console do Google Cloud para criar um endpoint e implantar seu modelo no endpoint. Depois que o modelo for implantado nesse novo endpoint, envie uma imagem para o modelo para a previsão de rótulos.
Acesse seu modelo treinado para implantá-lo em um endpoint novo ou atual na página "Modelos".
Na página Vertex AI, no painel de navegação, clique em Model Registry.
Selecione seu modelo treinado do AutoML e clique em ID da versão.
A guia Avaliar vai aparecer. Nela, é possível conferir as métricas de performance do modelo.
Na guia Implantar e testar, clique em Implantar no endpoint.
A página Opções do endpoint é aberta.
Em Defina seu endpoint, selecione Criar novo endpoint, e para o Nome do endpoint, digite hello_automl_image.
Clique em Continuar.
Em Configurações do modelo, aceite a Divisão de tráfego de 100%, e configure o Número de nós de computação como 1.
Clique em Implantar.
Leva cerca de 20 minutos para criar o endpoint e implantar o modelo do AutoML no novo endpoint.
Depois que o processo de criação do endpoint terminar, envie uma única solicitação de anotação de imagem (previsão) no console do Cloud.
Após terminar seu laboratório, clique em End Lab. O Qwiklabs removerá os recursos usados e limpará a conta para você.
Você poderá avaliar sua experiência neste laboratório. Basta selecionar o número de estrelas, digitar um comentário e clicar em Submit.
O número de estrelas indica o seguinte:
Feche a caixa de diálogo se não quiser enviar feedback.
Para enviar seu feedback, fazer sugestões ou correções, use a guia Support.
Copyright 2020 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.
Este conteúdo não está disponível no momento
Você vai receber uma notificação por e-mail quando ele estiver disponível
Ótimo!
Vamos entrar em contato por e-mail se ele ficar disponível
Um laboratório por vez
Confirme para encerrar todos os laboratórios atuais e iniciar este
