GSP633

概览

卷积是一种过滤器，可遍历并处理图片，以提取图片中的共性特征。卷积神经网络 (CNN) 是一种深度神经网络 (DNN)，常用于处理视觉图像。

在本实验中，您将先获得一个基于计算机视觉工具开发的图片分类模型，然后您需要使用 CNN 改进此模型。您将使用 Fashion MNIST 数据集中的数据，这是一个常用的服装图片数据集。

目标

在本实验中，您将学习如何完成以下操作：

• 评估初始模型
• 添加卷积、收集数据，并定义模型
• 编译和训练模型
• 对卷积和 pooling 过程进行可视化分析

前提条件

为充分提升学习效果，不妨先完成以下实验，然后再开始本实验：

• 简介：计算机视觉与 TensorFlow
• 简介：卷积与 TensorFlow

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。为此，我们会向您提供新的临时凭据，您可以在该实验的规定时间内通过此凭据登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式（推荐）或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：请仅使用学生账号完成本实验。如果您使用其他 Google Cloud 账号，则可能会向该账号收取费用。

如何开始实验并登录 Google Cloud 控制台

1. 点击开始实验按钮。如果该实验需要付费，系统会打开一个对话框供您选择支付方式。左侧是“实验详细信息”窗格，其中包含以下各项：

   • “打开 Google Cloud 控制台”按钮
   • 剩余时间
   • 进行该实验时必须使用的临时凭据
   • 帮助您逐步完成本实验所需的其他信息（如果需要）

2. 点击打开 Google Cloud 控制台（如果您使用的是 Chrome 浏览器，请右键点击并选择在无痕式窗口中打开链接）。

   该实验会启动资源并打开另一个标签页，显示“登录”页面。

   提示：将这些标签页安排在不同的窗口中，并排显示。

   注意：如果您看见选择账号对话框，请点击使用其他账号。

3. 如有必要，请复制下方的用户名，然后将其粘贴到登录对话框中。

   {{{user_0.username | "<用户名>"}}}

   您也可以在“实验详细信息”窗格中找到“用户名”。

4. 点击下一步。

5. 复制下面的密码，然后将其粘贴到欢迎对话框中。

   {{{user_0.password | "<密码>"}}}

   您也可以在“实验详细信息”窗格中找到“密码”。

6. 点击下一步。

   重要提示：您必须使用实验提供的凭据。请勿使用您的 Google Cloud 账号凭据。 注意：在本实验中使用您自己的 Google Cloud 账号可能会产生额外费用。

7. 继续在后续页面中点击以完成相应操作：

   • 接受条款及条件。
   • 由于这是临时账号，请勿添加账号恢复选项或双重验证。
   • 请勿注册免费试用。

片刻之后，系统会在此标签页中打开 Google Cloud 控制台。

注意：如需访问 Google Cloud 产品和服务，请点击导航菜单，或在搜索字段中输入服务或产品的名称。

激活 Cloud Shell

Cloud Shell 是一种装有开发者工具的虚拟机。它提供了一个永久性的 5GB 主目录，并且在 Google Cloud 上运行。Cloud Shell 提供可用于访问您的 Google Cloud 资源的命令行工具。

1. 点击 Google Cloud 控制台顶部的激活 Cloud Shell 。

2. 在弹出的窗口中执行以下操作：

   • 继续完成 Cloud Shell 信息窗口中的设置。
   • 授权 Cloud Shell 使用您的凭据进行 Google Cloud API 调用。

如果您连接成功，即表示您已通过身份验证，且项目 ID 会被设为您的 Project_ID 。输出内容中有一行说明了此会话的 Project_ID：

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

gcloud 是 Google Cloud 的命令行工具。它已预先安装在 Cloud Shell 上，且支持 Tab 自动补全功能。

3. （可选）您可以通过此命令列出活跃账号名称：

gcloud auth list

4. 点击授权。

输出：

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. （可选）您可以通过此命令列出项目 ID：

gcloud config list project

输出：

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} 注意：如需查看在 Google Cloud 中使用 gcloud 的完整文档，请参阅 gcloud CLI 概览指南。

任务 1. 在 Vertex AI Workbench 中打开笔记本

1. 在 Google Cloud 控制台的导航菜单 () 中依次点击 Vertex AI > Workbench。

2. 找到 实例，然后点击打开 JupyterLab 按钮。

Workbench 实例的 JupyterLab 界面会在新浏览器标签页中打开。

注意：如果您在 JupyterLab 中没有看到笔记本，请按照以下额外步骤重置实例：

1. 关闭 JupyterLab 的浏览器标签页，然后返回 Workbench 首页。

2. 选中实例名称旁边的复选框，然后点击重置。

3. 打开 JupyterLab 按钮重新启用后，请等待一分钟，然后点击打开 JupyterLab。

任务 2. 运行实验笔记本

1. 在左侧菜单中，打开 。

2. 在选择内核弹出对话框中，从可用内核列表中选择 TensorFlow 2-11（本地）。

3. 修改笔记本，在第 8 个单元中添加您的区域。您可以在实验说明的左侧面板中找到这些信息。

4. 在笔记本中继续本实验，并通过点击屏幕顶部的运行 () 图标来运行每个单元。您也可以使用 Shift + Enter 来执行单元中的代码。

阅读相关说明并确保了解每个单元中发生的情况。

如需查看 Vertex AI 上的模型训练和部署状态，您可以按照笔记本中带插图的说明进行操作。

在笔记本中检查进度

创建 Cloud Storage 存储桶

点击“检查我的进度”，验证是否已创建存储桶。 创建 Cloud Storage 存储桶

在 Vertex AI 上训练模型

点击“检查我的进度”，验证是否完成了以下目标： 在 Vertex AI 上训练模型

部署模型

点击“检查我的进度”，验证是否完成了以下目标： 部署模型

恭喜！

您已完成“使用 TensorFlow 卷积神经网络进行图片分类”自学实验。您启动了笔记本实例，并探索了卷积和 pooling 过程。

后续步骤/了解详情

• 详细了解 TensorFlow 卷积神经网络。
• 阅读使用卷积神经网络进行艺术创作。
• 如需了解 AI 的实际应用，请参阅 Moorfields 如何使用 AutoML 助力临床医生开发机器学习解决方案，或者 Google Cloud AI 如何帮助 Netmarble 改善团队协作和游戏开发并提高消费者覆盖率。

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

上次更新手册的时间：2025 年 4 月 23 日

上次测试实验的时间：2025 年 4 月 23 日

版权所有 2025 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。