GSP076

Opis

W tym module wykonasz praktyczne ćwiczenia dotyczące trenowania modelu TensorFlow 2.x – zarówno lokalnie, jak i w Vertex AI Workbench. W trakcie szkolenia dowiesz się, jak wdrażać aktywny model (do prognozowania) w Vertex AI Workbench. Wytrenujesz model tak, by potrafił przewidzieć kategorię dochodów osoby na podstawie danych o dochodach pochodzących ze spisu powszechnego w Stanach Zjednoczonych.

Ten moduł dostarczy Ci kompleksowej wiedzy na temat trenowania i prognozowania w Vertex AI Workbench na poziomie początkującym. Dane ze spisu powszechnego zostaną wykorzystane do:

• tworzenia aplikacji treningowej TensorFlow 2.x i jej lokalnej weryfikacji,
• uruchamiania zadania treningowego w pojedynczej instancji roboczej w chmurze,
• wdrażania modelu do obsługi prognozowania,
• wysyłania żądań prognoz online i wyświetlania odpowiedzi.

Co utworzysz

Przykład przedstawiony w module polega na utworzeniu modelu klasyfikacji do prognozowania kategorii dochodów na podstawie danych o dochodach pochodzących ze spisu powszechnego w Stanach Zjednoczonych. Dwie kategorie dochodów (zwane też etykietami) to:

• >50 tys. – ponad 50 tysięcy dolarów,
• <=50 tys. – 50 tysięcy dolarów lub mniej.

Za pomocą przykładu zostanie określony model wykorzystujący interfejs Keras Sequential API. Przykład określa transformację danych właściwą dla danych ze spisu powszechnego, a następnie przypisuje te (potencjalnie) przekształcone funkcje do części DNN lub części liniowej modelu.

Konfiguracja i wymagania

Zanim klikniesz przycisk Rozpocznij moduł

Zapoznaj się z tymi instrukcjami. Moduły mają limit czasowy i nie można ich zatrzymać. Gdy klikniesz Rozpocznij moduł, na liczniku wyświetli się informacja o tym, na jak długo udostępniamy Ci zasoby Google Cloud.

W tym praktycznym module możesz spróbować swoich sił w wykonywaniu opisywanych działań w prawdziwym środowisku chmury, a nie w jego symulacji lub wersji demonstracyjnej. Otrzymasz nowe, tymczasowe dane logowania, dzięki którym zalogujesz się i uzyskasz dostęp do Google Cloud na czas trwania modułu.

Do ukończenia modułu potrzebne będą:

• dostęp do standardowej przeglądarki internetowej (zalecamy korzystanie z przeglądarki Chrome).

Uwaga: uruchom ten moduł w oknie incognito lub przeglądania prywatnego. Dzięki temu unikniesz konfliktu między swoim kontem osobistym a kontem do nauki, co mogłoby spowodować naliczanie oddatkowych opłat na koncie osobistym.

• Odpowiednia ilość czasu na ukończenie modułu – pamiętaj, że gdy rozpoczniesz, nie możesz go wstrzymać.

Uwaga: jeśli masz już osobiste konto lub projekt w Google Cloud, nie używaj go w tym module, aby uniknąć naliczania opłat na koncie.

Rozpoczynanie modułu i logowanie się w konsoli Google Cloud

1. Kliknij przycisk Rozpocznij moduł. Jeśli moduł jest odpłatny, otworzy się wyskakujące okienko, w którym możesz wybrać formę płatności. Po lewej stronie znajduje się panel Szczegóły modułu z następującymi elementami:

   • przyciskiem Otwórz konsolę Google;
   • czasem, który Ci pozostał;
   • tymczasowymi danymi logowania, których musisz użyć w tym module;
   • innymi informacjami potrzebnymi do ukończenia modułu.

2. Kliknij Otwórz konsolę Google. Moduł uruchomi zasoby, po czym otworzy nową kartę ze stroną logowania.

   Wskazówka: otwórz karty obok siebie w osobnych oknach.

   Uwaga: jeśli pojawi się okno Wybierz konto, kliknij Użyj innego konta.

3. W razie potrzeby skopiuj nazwę użytkownika z panelu Szczegóły modułu i wklej ją w oknie logowania. Kliknij Dalej.

4. Skopiuj hasło z panelu Szczegóły modułu i wklej je w oknie powitania. Kliknij Dalej.

   Ważne: musisz użyć danych logowania z panelu po lewej stronie, a nie danych logowania Google Cloud Skills Boost. Uwaga: korzystanie z własnego konta Google Cloud w tym module może wiązać się z dodatkowymi opłatami.

5. Na kolejnych stronach wykonaj następujące czynności:

   • Zaakceptuj Warunki korzystania z usługi.
   • Nie dodawaj opcji odzyskiwania ani uwierzytelniania dwuskładnikowego (ponieważ konto ma charakter tymczasowy).
   • Nie rejestruj się w bezpłatnych wersjach próbnych.

Poczekaj, aż na karcie otworzy się konsola Google Cloud.

Uwaga: aby wyświetlić menu z listą produktów i usług Google Cloud Console, w lewym górnym rogu kliknij menu nawigacyjne.

Zadanie 1. Uruchomienie notatnika Vertex AI Workbench

Aby utworzyć i uruchomić notatnik Vertex AI Workbench:

1. W menu nawigacyjnym  kliknij Vertex AI > Workbench.

2. Na stronie Workbench kliknij Włącz Notebooks API (jeśli ten interfejs nie jest jeszcze włączony), a następnie kliknij Nowy notatnik.

3. W menu Dostosuj instancję wybierz TensorFlow Enterprise i ustaw najnowszą wersję TensorFlow Enterprise 2.x (with LTS) (TensorFlow Enterprise 2.x (z LTS) > Without GPUs (Bez GPU).

4. Nadaj notatnikowi nazwę.

5. Ustaw Region jako , a Strefę jako dowolną strefę w ramach wybranego regionu.

6. W ustawieniach notatnika kliknij ikonę ołówka , aby edytować właściwości instancji.

7. Kliknij Typ maszyny i wybierz e2-standard-2.

8. W pozostałych polach pozostaw domyślne ustawienia i kliknij Utwórz.

Po kilku minutach na stronie Workbench pojawi się Twoja instancja wraz z poleceniem Open JupyterLab (Otwórz JupyterLab).

9. Kliknij Open JupyterLab, aby otworzyć JupyterLab w nowej karcie. Jeśli pojawi się komunikat informujący, że kompilacja musi zawierać beatrix jupyterlab, zignoruj go.

Zadanie 2. Klonowanie przykładowego repozytorium w instancji Workbench

Aby skopiować repozytorium training-data-analyst w instancji JupyterLab, wykonaj te czynności:

1. W JupyterLab kliknij ikonę terminala, co spowoduje otwarcie nowego terminala.

2. W wierszu poleceń wpisz następujące polecenie i naciśnij ENTER:

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

3. Aby potwierdzić, że sklonowano repozytorium, w lewym panelu kliknij dwukrotnie folder training-data-analyst, by zobaczyć jego zawartość.

Klonowanie notatek zajmie kilka minut.

Przechodzenie do przykładowych notatek

1. Przejdź do training-data-analyst/self-paced-labs/ai-platform-qwikstart i otwórz ai_platform_qwik_start.ipynb.

2. Wyczyść wszystkie komórki w notatkach. Aby to zrobić, na pasku narzędzi notatek kliknij Edytuj > Wyczyść wszystkie dane wyjściowe, a następnie wybieraj Uruchom, klikając jedną komórkę po drugiej.

Jeśli będzie to konieczne, wróć do tych instrukcji, aby sprawdzić swoje postępy.

Zadanie 3. Uruchamianie zadania treningowego w chmurze

Notatnik zawiera dodatkowe instrukcje, z którymi trzeba się zapoznać. Przeczytaj je uważnie, jak również komentarze w komórkach z kodem, aby poprawnie wykonać każdy krok.

Testowanie ukończonych zadań – krok 3.1

1. Kliknij Sprawdź postępy, aby zobaczyć stan realizacji zadania.

Skonfigurowanie zasobnika Cloud Storage.

2. Kliknij Sprawdź postępy, aby zobaczyć stan realizacji zadania.

Przesłanie plików danych do zasobnika Cloud Storage.

Testowanie ukończonych zadań – krok 3.2

Kliknij Sprawdź postępy, aby zobaczyć stan realizacji zadania.

Uruchomienie w chmurze pojedynczej instancji do trenowania.

Testowanie ukończonych zadań – krok 3.3

1. Kliknij Sprawdź postępy, aby zobaczyć stan realizacji zadania.

Utworzenie modelu Vertex AI.

2. Kliknij Sprawdź postępy, aby zobaczyć stan realizacji zadania.

Utworzenie wersji v1 swojego modelu.

Zadanie 4. Sprawdź swoją wiedzę

Poniżej znajdziesz pytania jednokrotnego wyboru, które pomogą Ci utrwalić wiedzę zdobytą w tym module. Odpowiedz na nie najlepiej, jak potrafisz.

Gratulacje!

Po przejściu tego modułu wiesz już, jak trenować model TensorFlow lokalnie i w Vertex AI oraz jak używać wytrenowanego modelu do prognozowania.

Ukończ kurs

Ten moduł do samodzielnego ukończenia wchodzi w skład kursów Machine Learning APIs, Baseline: Data, ML, AI, Intro to ML: Language Processing oraz Intro to ML: Image Processing. Każdy kurs składa się z zestawu powiązanych ze sobą modułów, które razem tworzą ścieżkę szkoleniową. Za ukończenie kursu otrzymujesz odznakę – stanowi ona potwierdzenie Twojego osiągnięcia. Swoje odznaki możesz ustawiać jako widoczne publicznie, a także podać do nich linki w swoim CV lub w mediach społecznościowych. Zarejestruj się na dowolny kurs zawierający ten moduł, a zostanie on automatycznie zaliczony. Wszystkie dostępne kursy znajdziesz w katalogu Google Cloud Skills Boost.

Przejdź do kolejnego modułu

Wypróbuj inny moduł dotyczący interfejsów API systemów uczących się, na przykład Wyodrębnianie, analiza i tłumaczenie tekstu z obrazów przy użyciu interfejsów Cloud ML API czy Awwvision: interfejs Cloud Vision API w klastrze Kubernetes.

Ten moduł należy do serii modułów Qwik Start. Opracowano je tak, aby dać Ci przedsmak bogactwa funkcji dostępnych w Google Cloud. Wyszukaj „Qwik Start” w katalogu modułów i znajdź kolejny interesujący Cię moduł.

Dalsze kroki

• Zapisz się na kompleksowy kurs dotyczący systemów uczących się oferowany przez serwis Coursera.
• Odkryj całą gamę samouczków na temat TensorFlow.
• Więcej informacji o modelach „wide and deep” znajdziesz w umieszczonym na blogu Google Research poście o tytule Wide & Deep Learning: Better Together with TensorFlow (Wide i deep learning: ułatwianie pracy dzięki TensorFlow).
• Zainstaluj TensorFlow.

Szkolenia i certyfikaty Google Cloud

…pomogą Ci wykorzystać wszystkie możliwości technologii Google Cloud. Nasze zajęcia obejmują umiejętności techniczne oraz sprawdzone metody, które ułatwią Ci szybką naukę i umożliwią jej kontynuację. Oferujemy szkolenia na poziomach od podstawowego po zaawansowany prowadzone w trybach wirtualnym, na żądanie i na żywo, dzięki czemu możesz dopasować program szkoleń do swojego napiętego harmonogramu. Certyfikaty umożliwią udokumentowanie i potwierdzenie Twoich umiejętności oraz doświadczenia w zakresie technologii Google Cloud.

Ostatnia aktualizacja instrukcji: 21 września 2022 r.

Ostatni test modułu: 21 września 2022 r.

Copyright 2020 Google LLC. Wszelkie prawa zastrzeżone. Google i logo Google są znakami towarowymi Google LLC. Wszelkie inne nazwy firm i produktów mogą być znakami towarowymi odpowiednich podmiotów, z którymi są powiązane.