GSP076

Panoramica

Con questo lab acquisirai esperienza pratica sull'addestramento di modelli TensorFlow 2.x, sia in locale sia su Vertex AI Workbench. Dopo l'addestramento, imparerai come eseguire il deployment del modello in Vertex AI per la pubblicazione (previsione). Eseguirai l'addestramento del modello allo scopo di elaborare previsioni sulla categoria di reddito di una persona utilizzando il set di dati relativo al reddito del Censimento degli Stati Uniti.

Questo lab fornisce un'esperienza introduttiva dell'intero processo di addestramento e di elaborazione di previsioni su Vertex AI. Durante il lab utilizzeremo il set di dati di un censimento per:

• Creare un'applicazione di addestramento TensorFlow 2.x e convalidarla in locale.
• Eseguire un job di addestramento su un'istanza worker singola nel cloud.
• Eseguire il deployment di un modello per supportare le previsioni.
• Richiedere una previsione online e visualizzare la risposta.

Cosa creerai

Nell'esempio viene creato un modello di classificazione per la previsione della categoria di reddito in base al set di dati relativo al reddito del Censimento degli Stati Uniti. Le due categorie di reddito, anche denominate etichette, sono:

• >50K: maggiore di 50.000 $
• <=50K: minore di o uguale a 50.000 $

Nell'esempio, il modello viene definito utilizzando l'API Keras Sequential. Nell'esempio vengono definite le trasformazioni dei dati specifiche del set di dati del censimento. Queste caratteristiche, che possono aver subito trasformazioni, vengono successivamente assegnate alla porzione DNN o alla porzione lineare del modello.

Configurazione e requisiti

Prima di fare clic sul pulsante Avvia lab

Leggi le seguenti istruzioni. I lab sono a tempo e non possono essere messi in pausa. Il timer si avvia quando fai clic su Avvia lab e ti mostra per quanto tempo avrai a disposizione le risorse Google Cloud.

Con questo lab pratico avrai la possibilità di completare le attività in prima persona, in un ambiente cloud reale e non di simulazione o demo. Riceverai delle nuove credenziali temporanee che potrai utilizzare per accedere a Google Cloud per la durata del lab.

Per completare il lab, avrai bisogno di:

• Accesso a un browser internet standard (Chrome è il browser consigliato).

Nota: utilizza una finestra del browser in incognito o privata per eseguire questo lab. Ciò evita eventuali conflitti tra il tuo account personale e l'account Studente, che potrebbero causare addebiti aggiuntivi sul tuo account personale.

• È ora di completare il lab: ricorda che, una volta iniziato, non puoi metterlo in pausa.

Nota: se hai già un account o un progetto Google Cloud personale, non utilizzarlo per questo lab per evitare addebiti aggiuntivi al tuo account.

Come avviare il lab e accedere alla console Google Cloud

1. Fai clic sul pulsante Avvia lab. Se devi effettuare il pagamento per il lab, si apre una finestra popup per permetterti di selezionare il metodo di pagamento. A sinistra, trovi il riquadro Dettagli lab con le seguenti informazioni:

   • Pulsante Apri console Google
   • Tempo rimanente
   • Credenziali temporanee da utilizzare per il lab
   • Altre informazioni per seguire questo lab, se necessario

2. Fai clic su Apri console Google. Il lab avvia le risorse e apre un'altra scheda con la pagina di accesso.

   Suggerimento: disponi le schede in finestre separate posizionate fianco a fianco.

   Note: se visualizzi la finestra di dialogo Scegli un account, fai clic su Utilizza un altro account.

3. Se necessario, copia il Nome utente dal riquadro Dettagli lab e incollalo nella finestra di dialogo di accesso. Fai clic su Avanti.

4. Copia la Password dal riquadro Dettagli lab e incollala nella finestra di dialogo di benvenuto. Fai clic su Avanti.

   Importante: devi utilizzare le credenziali presenti nel riquadro di sinistra. Non utilizzare le tue credenziali Google Cloud Skills Boost. Nota: utilizzare il tuo account Google Cloud per questo lab potrebbe comportare addebiti aggiuntivi.

5. Fai clic nelle pagine successive:

   • Accetta i termini e le condizioni.
   • Non inserire opzioni di recupero o l'autenticazione a due fattori, perché si tratta di un account temporaneo.
   • Non registrarti per le prove gratuite.

Dopo qualche istante, la console Google Cloud si apre in questa scheda.

Nota: puoi visualizzare il menu con un elenco di prodotti e servizi Google Cloud facendo clic sul menu di navigazione in alto a sinistra.

Attività 1: avvia il blocco note di Vertex AI Workbench

Per creare e avviare un blocco note Vertex AI Workbench:

1. Nel menu di navigazione , fai clic su Vertex AI > Workbench.

2. Nella pagina Workbench, fai clic su Abilita API Notebooks (se non è già abilitata).

3. Fai clic sulla scheda Blocchi note gestiti dall'utente e poi su Crea nuovo.

4. Assegna un nome al blocco note.

5. Imposta Regione su e Zona su .

6. Nel menu Nuova istanza, scegli la versione più recente di TensorFlow Enterprise 2.x in Ambiente.

7. Fai clic su Opzioni avanzate per modificare le proprietà dell'istanza.

8. Fai clic su Tipo di macchina e seleziona e2-standard-2 come tipo di macchina.

9. Lascia invariati i valori predefiniti degli altri campi e fai clic su Crea.

Dopo alcuni minuti, la pagina Workbench elenca la tua istanza, seguita da Apri JupyterLab.

10. Fai clic su Apri JupyterLab per aprire JupyterLab in una nuova scheda. Se ricevi un messaggio che dice che è necessario includere beatrix jupyterlab nella build, ignoralo.

Nota: se richiesto, fai clic su "Build" nel pop-up Build recommend.

Attività 2: clona il repository di esempio all'interno dell'istanza Workbench

Per clonare il repository training-data-analyst nella tua istanza di JupyterLab:

1. In JupyterLab, fai clic sull'icona Terminale per aprire un nuovo terminale.

2. Al prompt della riga di comando, digita il comando seguente e premi Invio.

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

3. Per confermare di aver clonato il repository, fai doppio clic sulla cartella training-data-analyst per vederne il contenuto.

Per la clonazione, il blocco note impiegherà alcuni minuti.

Nota: se richiesto, fai clic su "Dismiss" nel pop-up Build Failed per ignorare il messaggio.

Apri il blocco note di esempio

1. Vai in training-data-analyst/self-paced-labs/ai-platform-qwikstart e apri ai_platform_qwik_start.ipynb.

2. Sulla barra degli strumenti del notebook, vai a Edit > Clear All Outputs e quindi Run le celle una per una.

Quando richiesto, torna a queste istruzioni per verificare i tuoi progressi.

Attività 3: esegui il job di addestramento nel cloud

Ci sono passaggi aggiuntivi da leggere nel blocco note. Leggi attentamente queste istruzioni includendo i commenti nelle celle con il codice per assicurarti di completare correttamente ogni passaggio.

Verifica delle attività completate: passaggio 3.1

1. Fai clic su Controlla i miei progressi per verificare l'attività eseguita.

Configura un bucket Cloud Storage.

2. Fai clic su Controlla i miei progressi per verificare l'attività eseguita.

Carica i file di dati nel bucket Cloud Storage.

Verifica delle attività completate: passaggio 3.2

Fai clic su Controlla i miei progressi per verificare l'attività eseguita.

Esegui un addestratore a istanza singola nel cloud.

Verifica delle attività completate: passaggio 3.3

1. Fai clic su Controlla i miei progressi per verificare l'attività eseguita.

Crea un modello Vertex AI.

2. Fai clic su Controlla i miei progressi per verificare l'attività eseguita.

Crea la versione v1 del modello.

Attività 4: verifica le tue conoscenze

Di seguito sono riportate alcune domande a scelta multipla che servono a consolidare le tue conoscenze relative ai concetti di questo lab. Rispondi alle domande al meglio delle tue capacità.

Complimenti!

In questo lab hai imparato ad addestrare un modello TensorFlow sia in locale sia su Vertex AI e, successivamente, a utilizzare il modello addestrato per l'elaborazione di previsioni.

Passaggi successivi

• Registrati al corso completo di Coursera sul Machine Learning.
• Esplora l'ampia gamma di tutorial su TensorFlow.
• Per saperne di più sui modelli Wide and Deep, leggi il post del blog di Google Research Wide & Deep Learning: Better Together with TensorFlow.
• Installa la tua versione di Tensorflow.

Formazione e certificazione Google Cloud

… per utilizzare al meglio le tecnologie Google Cloud. I nostri corsi ti consentono di sviluppare competenze tecniche e best practice per aiutarti a metterti subito al passo e avanzare nel tuo percorso di apprendimento. Offriamo vari livelli di formazione, dal livello base a quello avanzato, con opzioni di corsi on demand, dal vivo e virtuali, in modo da poter scegliere il più adatto in base ai tuoi impegni. Le certificazioni ti permettono di confermare e dimostrare le tue abilità e competenze relative alle tecnologie Google Cloud.

Ultimo aggiornamento del manuale: 29 settembre 2023

Ultimo test del lab: 29 settembre 2023

Copyright 2024 Google LLC Tutti i diritti riservati. Google e il logo Google sono marchi di Google LLC. Tutti gli altri nomi di società e prodotti sono marchi delle rispettive società a cui sono associati.