Informações gerais

As TPUs são muito rápidas, e o fluxo de dados de treinamento precisa acompanhar a velocidade delas. Neste laboratório, você vai aprender a carregar dados do Cloud Storage com a API tf.data.Dataset para alimentar a TPU.

Objetivos

Você vai aprender a realizar as tarefas a seguir:

• Usar a API tf.data.Dataset para carregar dados de treinamento.
• Usar o formato TFRecord para carregar dados de treinamento do Cloud Storage de forma eficiente.

Configuração e requisitos

Para cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período e sem custos financeiros.

1. Faça login no Qwiklabs em uma janela anônima.

2. 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.

3. Quando tudo estiver pronto, clique em Começar o laboratório.

4. Anote as credenciais (Nome de usuário e Senha). É com elas que você vai fazer login no Console do Google Cloud.

5. Clique em Abrir Console do Google.

6. 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.

7. Aceite os termos e pule a página de recursos de recuperação.

Configurar o ambiente

Ativar todas as APIs recomendadas

1. Clique para abrir o painel da Vertex AI.

2. Clique em Ativar todas as APIs recomendadas.

Tarefa 1: iniciar a instância de Notebooks da Vertex AI

1. No menu de navegação do console do Google Cloud, clique em Vertex AI > Workbench. Selecione Notebooks gerenciados pelo usuário.

2. Na página "Instâncias de notebook", clique em Criar novo e escolha a versão mais recente do TensorFlow Enterprise 2.6 (com LTS) em Ambiente.

3. Na caixa de diálogo Nova instância de notebook, confirme o nome da VM de aprendizado profundo. Se não quiser mudar a região e a zona, deixe todas as configurações como estão e clique em Criar. A nova VM leva de dois a três minutos para ser iniciada.

4. Clique em Open JupyterLab.
   Uma janela desse ambiente será aberta em uma nova guia.

Tarefa 2: clonar o repositório do curso na sua instância de Notebooks da Vertex AI

Para clonar o notebook training-data-analyst na instância do JupyterLab, siga estas etapas:

1. No JupyterLab, clique no ícone de Terminal para abrir um novo.

2. No prompt da linha de comando, execute o seguinte:

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

3. Para confirmar que você clonou o repositório, clique duas vezes no diretório training-data-analyst e veja se o conteúdo aparece.
   Nele você também encontra os arquivos de todos os laboratórios com notebooks do Jupyter deste curso.

Tarefa 3. pipelines de dados com velocidade de TPU: API tf.data.Dataset e TFRecords

1. Na interface do notebook, navegue até training-data-analyst > courses > machine_learning > deepdive2 > production_ml > labs e abra tpu_speed_data_pipelines.ipynb.

2. Na interface do notebook, clique em Editar > Limpar todas as saídas.

3. Leia com atenção as instruções do notebook e adicione o código necessário nas linhas marcadas com #TODO.

Dica: para executar a célula atual, clique nela e pressione SHIFT+ENTER. Veja outros comandos de células na interface do notebook em Executar.

• Você também vai encontrar dicas para realizar as tarefas. Destaque o texto para ler as dicas, que aparecem em letras brancas.
• Na interface do notebook, navegue até training-data-analyst > courses > machine_learning > deepdive2 > production_ml > solutions e abra tpu_speed_data_pipelines.ipynb.

Finalize o laboratório

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:

• 1 estrela = muito insatisfeito
• 2 estrelas = insatisfeito
• 3 estrelas = neutro
• 4 estrelas = satisfeito
• 5 estrelas = muito satisfeito

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.