概要

所要時間は 2 時間です

このノートブックでは、ローカルでのトレーニングからクラウドでのトレーニングに移行します。また、その際に Google Cloud の Vertex AI Training サービスを利用します。

目標

このラボでは、次の作業を行います。

• Workbench インスタンス ノートブックを作成する
• トレーニング コードを Python パッケージにまとめる方法を学ぶ
• Google Cloud Training サービスで、クラウド インフラストラクチャを使用してモデルをトレーニングする
• （省略可）Docker コンテナを使用してトレーニング パッケージを実行し、トレーニング Docker イメージを Docker レジストリに push する方法を学ぶ

Vertex AI には 2 つの Notebooks ソリューションがあります。Workbench と Colab Enterprise です。

Workbench

Vertex AI Workbench は、制御性とカスタマイズ性が重視されるプロジェクトに適した選択肢です。依存関係が複雑な、複数のファイルにわたる複雑なプロジェクトに特に適しています。また、ワークステーションやノートパソコンからクラウドへの移行を行っているデータ サイエンティストにも適した選択肢です。

Vertex AI Workbench のインスタンスには、ディープ ラーニング パッケージのスイート（TensorFlow と PyTorch のフレームワークへの対応を含む）がプリインストールされています。

設定と要件

各ラボでは、新しい Google Cloud プロジェクトとリソースセットを一定時間無料で利用できます。

1. Qwiklabs にシークレット ウィンドウでログインします。

2. ラボのアクセス時間（例: 1:15:00）に注意し、時間内に完了できるようにしてください。
   一時停止機能はありません。必要な場合はやり直せますが、最初からになります。

3. 準備ができたら、[ラボを開始] をクリックします。

4. ラボの認証情報（ユーザー名とパスワード）をメモしておきます。この情報は、Google Cloud Console にログインする際に使用します。

5. [Google Console を開く] をクリックします。

6. [別のアカウントを使用] をクリックし、このラボの認証情報をコピーしてプロンプトに貼り付けます。
   他の認証情報を使用すると、エラーが発生したり、料金の請求が発生したりします。

7. 利用規約に同意し、再設定用のリソースページをスキップします。

タスク 1. API を有効にする

API が有効になっていることを確認する

1. ナビゲーション メニュー > [API とサービス] > [ライブラリ] をクリックします。

2. 次に、検索ボックスで「AI Platform Training & Prediction API」を検索します。表示された結果をクリックします。

3. [有効にする] をクリックして API を有効にします。

タスク 2. Cloud Storage バケットを作成する

1. Google Cloud コンソールのナビゲーション メニュー（）で、[Cloud Storage] > [バケット] を選択します。

2. [+ 作成] をクリックします。

3. 一意の名前を設定します（一意であるプロジェクト ID を使用します）。

4. [データの保存場所の選択] で [Region] をクリックします。

5. [作成] をクリックします。

6. 「公開アクセスの防止」というメッセージが表示されたら、[確認] をクリックします。

タスク 3. Vertex AI Workbench のインスタンスを起動する

1. Google Cloud コンソールのナビゲーション メニュー（）で、[Vertex AI] > [ダッシュボード] を選択します。

2. [すべての推奨 API を有効化] をクリックします。

3. ナビゲーション メニューで [ワークベンチ] をクリックします。

   [ワークベンチ] ページの上部で、[インスタンス] ビューになっていることを確認します。

4. [新規作成] をクリックします。

5. インスタンスの構成:

   • 名前: lab-workbench
   • リージョン: リージョンを に設定します
   • ゾーン: ゾーンを に設定します
   • 詳細オプション（任意）: 必要に応じて [詳細オプション] をクリックして、より詳細なカスタマイズを行います（マシンタイプ、ディスクサイズなど）。

6. [作成] をクリックします。

インスタンスが作成されるまで数分かかります。作成が終了するとインスタンスの名前の横に緑色のチェックマークが付きます。

7. インスタンスの名前の横に表示されている [JupyterLab を開く] をクリックして JupyterLab インターフェースを起動します。ブラウザで新しいタブが開きます。

8. [Python 3] アイコンをクリックして、新規の Python ノートブックを起動します。

9. メニューバーでファイル Untitled.ipynb を右クリックし、[ノートブック名を変更] を選択して、わかりやすい名前を付けます。

これで環境が設定されました。これで Vertex AI Workbench ノートブックを使い始める準備ができました。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Vertex AI Workbench のインスタンスを起動する

タスク 4. JupyterLab インターフェース内でコース リポジトリのクローンを作成する

training-data-analyst ノートブックのクローンを JupyterLab インスタンス内に作成するには、次の手順を行います。

1. JupyterLab で、[Terminal] アイコンをクリックして新しいターミナルを開きます。

2. コマンドライン プロンプトで、次のコマンドを実行します。

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

3. リポジトリのクローンが作成されたことを確認するには、training-data-analyst ディレクトリをダブルクリックし、リポジトリのコンテンツが表示されることを確認します。
   このディレクトリには、本コースのすべての Jupyter ノートブック ラボで使用するファイルが含まれています。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 JupyterLab インターフェース内でコース リポジトリのクローンを作成する

タスク 5. Vertex AI Training サービスを使用して大規模にトレーニングする

1. Notebooks インターフェースで、[training-data-analyst] > [courses] > [machine_learning] > [deepdive2] > [introduction_to_tensorflow] > [labs] > [1_training_at_scale_vertex.ipynb] に移動します。

2. カーネルを選択するポップアップが表示されます。選択肢の中からカーネル [TensorFlow 2.11 (Local)] を選択します。

3. Notebooks インターフェースで、[編集] > [出力をすべて消去] をクリックします。

4. [ノートブック] で、REGION の値を次の値に置き換えます。

5. ノートブックの手順をよく読み、コードを入力する必要がある場所である「#TODO」のマークが付いた行に入力します。各セルを実行し、出力を観察します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Vertex AI Training サービスを使用して大規模にトレーニングする

ラボを終了する

ラボが完了したら、[ラボを終了] をクリックします。ラボで使用したリソースが Google Cloud Skills Boost から削除され、アカウントの情報も消去されます。

ラボの評価を求めるダイアログが表示されたら、星の数を選択してコメントを入力し、[送信] をクリックします。

星の数は、それぞれ次の評価を表します。

• 星 1 つ = 非常に不満
• 星 2 つ = 不満
• 星 3 つ = どちらともいえない
• 星 4 つ = 満足
• 星 5 つ = 非常に満足

フィードバックを送信しない場合は、ダイアログ ボックスを閉じてください。

フィードバックやご提案の送信、修正が必要な箇所をご報告いただく際は、[サポート] タブをご利用ください。

Copyright 2020 Google LLC All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。