内置线性学习器算法使用入门

控制台

在开始训练作业前，您需要将数据从我们的公开 Cloud Storage 存储分区复制到您的 Cloud Storage 存储分区。

将示例数据复制到 Cloud Storage 存储分区

1. 首先，从我们的公开 Cloud Storage 存储分区中下载训练数据和测试数据。

   1. 导航到我们的公开 Cloud Storage 存储分区：

      获取示例数据

   2. 下载 test.csv 和 train.csv：

      1. 点击文件名。

      2. 从对象详情页面中点击下载。这些文件会分别作为 ai-platform_census_algorithms_data_test.csv 和 ai-platform_census_algorithms_data_train.csv 下载到您的本地环境。

2. 接下来，将训练数据和测试数据上传到您的 Cloud Storage 存储分区。

   1. 导航到 Cloud Storage 存储分区的“浏览器”页面。 从选择项目下拉列表中选择您的项目，或在新标签页中将其打开：

      “Cloud Storage 浏览器”页面

   2. 点击要使用的存储分区的名称，如果没有存储分区，请新建一个。（如要创建新的存储分区，请务必创建区域性存储分区，并选择在其中运行 AI Platform Training 训练作业的区域。）

   3. （可选）点击创建文件夹，为您上传的文件创建一个文件夹。为该文件夹输入名称（例如“data”），然后点击创建。然后，点击文件夹名称导航到新文件夹。

   4. 点击上传文件，将训练文件 ai-platform_census_algorithms_data_train.csv 和测试文件 ai-platform_census_algorithms_data_test.csv 上传到您的存储分区中。

现在数据已复制到存储分区中，您可以通过选择要使用的算法类型来启动训练作业。

选择算法

1. 转到 Google Cloud Console 中的 AI Platform Training“作业”页面：

   AI Platform Training“作业”页面

2. 点击新建训练作业按钮。从下方显示的选项中，点击内置算法训练。创建新的训练作业页面随即显示。

3. 训练作业的创建分为四个步骤。第一步是训练算法。选择线性学习器，然后点击下一步。

gcloud

为您的项目 ID、Cloud Storage 存储分区、指向训练数据的 Cloud Storage 路径以及算法选择设置环境变量。

AI Platform Training 内置算法位于 Container Registry 中托管的 Docker 容器中。

PROJECT_ID=YOUR_PROJECT_ID
BUCKET_NAME=YOUR_BUCKET_NAME
REGION="us-central1"
gcloud config set project $PROJECT_ID
gcloud config set compute/region $REGION

# Copy the training data into your Cloud Storage bucket, and set the path
# to your copy of the training data.
TRAINING_DATA_SOURCE=gs://cloud-samples-data/ai-platform/census/algorithms/data/train.csv
TRAINING_DATA_PATH=gs://$BUCKET_NAME/algorithms-demo/data/train.csv
gcloud storage cp $TRAINING_DATA_SOURCE $TRAINING_DATA_PATH

# Specify the Docker container URI specific to the algorithm.
IMAGE_URI="gcr.io/cloud-ml-algos/linear_learner_cpu:latest"

控制台

1. 让启用自动数据预处理保持勾选状态。

2. 对于训练数据路径，点击浏览。在右侧面板中，点击您将训练数据上传到的存储分区的名称，然后导航到 ai-platform_census_algorithms_data_train.csv 文件。

3. 将验证数据和测试数据的字段保留为默认设置。

4. 在输出目录中，输入您希望 AI Platform Training 用于存储训练作业输出的 Cloud Storage 存储分区的路径。您可以直接填写 Cloud Storage 存储分区路径，或点击浏览按钮来选择。

   为了便于管理，请在 Cloud Storage 存储分区中为此训练作业创建一个新目录。您可以在浏览窗格中执行此操作。

   点击下一步。

5. 对于模型类型，选择分类。

6. 将所有其他字段保留为默认设置，然后点击下一步。

7. 在作业设置页面上，执行以下操作：

   1. 输入唯一的作业 ID（例如“linear_example”）。
   2. 输入可用区域（例如“us-central1”）。
   3. 为容量层级选择“BASIC”。

   点击完成，提交训练作业。

gcloud

1. 使用 gcloud 提交训练作业之前，请先设置训练作业和算法的所有参数：

   DATASET_NAME="census"
   ALGORITHM="linear"
   MODEL_TYPE="classification"
   MODEL_NAME="${DATASET_NAME}_${ALGORITHM}_${MODEL_TYPE}"
   
   # Give a unique name to your training job.
   DATE="$(date '+%Y%m%d_%H%M%S')"
   JOB_ID="${MODEL_NAME}_${DATE}"
   
   # Make sure you have access to this Cloud Storage bucket.
   JOB_DIR="gs://${BUCKET_NAME}/algorithms_training/${MODEL_NAME}/${DATE}"
   

2. 提交作业：

   gcloud ai-platform jobs submit training $JOB_ID \
     --master-image-uri=$IMAGE_URI --scale-tier=BASIC --job-dir=$JOB_DIR \
     -- \
     --preprocess --model_type=$MODEL_TYPE --batch_size=250 \
     --learning_rate=0.1 --max_steps=1000 --training_data_path=$TRAINING_DATA_PATH

3. 成功提交作业后，您可以使用以下 gcloud 命令查看日志：

   gcloud ai-platform jobs describe $JOB_ID
   gcloud ai-platform jobs stream-logs $JOB_ID
   

控制台

1. 在作业页面上，您可以找到包含所有训练作业的列表。点击您刚刚提交的训练作业的名称（“linear_example”或您使用的作业名称）。

2. 在作业详情页面上，您可以查看作业的整体进度，也可以点击查看日志，更详细地查看进度。

3. 如果作业成功，顶部会显示部署模型按钮。点击部署模型。

4. 选择“部署为新模型”，然后输入模型名称，如 "linear_model"。然后，点击确认。

5. 在创建版本页面上，输入版本名称（如“v1”），并将所有其他字段保留为默认设置。点击保存。

6. 您的版本名称会显示在模型详情页面。版本创建过程需要几分钟时间才能完成。版本准备就绪后，版本名称旁会显示一个对勾图标。

7. 点击版本名称（“v1”）导航至版本详情页面。在本教程的下一步，您将发送预测请求

gcloud

使用内置线性学习器算法的训练过程会生成文件 deployment_config.yaml，该文件可让您更轻松地在 AI Platform Prediction 上部署模型以进行预测。

1. 将该文件复制到本地目录并查看其内容：

   gcloud storage cp $JOB_DIR/model/deployment_config.yaml .
   cat deployment_config.yaml
   

   您的 deployment_config.yaml 文件应类似于以下内容：

   deploymentUri: gs://YOUR_BUCKET_NAME/algorithms_training/census_linear_classification/20190227060114/model
   framework: TENSORFLOW
   labels:
     global_step: '1000'
     job_id: census_linear_classification_20190227060114
     accuracy: '86'
   runtimeVersion: '1.14'
   pythonVersion: '2.7'
   

2. 在 AI Platform Training 中创建模型和版本：

   MODEL_NAME="${DATASET_NAME}_${ALGORITHM}_${MODEL_TYPE}"
   gcloud ai-platform models create $MODEL_NAME --regions $REGION
   
   # Create a model and a version using the file above.
   VERSION_NAME="v_${DATE}"
   
   gcloud ai-platform versions create $VERSION_NAME \
     --model $MODEL_NAME \
     --config deployment_config.yaml
   

   版本创建过程需要几分钟时间才能完成。

控制台

1. 在“v1”（刚刚创建的版本）的版本详情页面上，您可以发送示例预测请求。

   选择测试和使用标签页。

2. 将以下示例复制到输入字段：

    {
      "instances": [
        {"csv_row": "44, Private, 160323, Some-college, 10, Married-civ-spouse, Machine-op-inspct, Husband, Black, Male, 7688, 0, 40, United-States", "key": "dummy-key"}
      ]
    }
   

3. 点击测试。

   示例预测结果包含多个字段。classes 列表显示了预测类 >50K'：

   {
      "predictions": [
        {
          ...
          "classes": [
            ">50K"
          ],
          ...
        }
      ]
    }
   

   在这种情况下，部署的模型预测相应人员的薪资收入超过 50000 美元。（由于训练具有不确定性，因此您的模型可能会有所不同）。

gcloud

1. 查看 metadata.json 的最后几行：

   gcloud storage cat $JOB_DIR/artifacts/metadata.json | tail
   

   target_column.mapping 对象显示预测类在预测结果中的显示方式：

       "target_algorithm": "TensorFlow",
       "target_column": {
         "mapping": {
           "0": "<=50K",
           "1": ">50K"
         },
       "num_category": 2,
       "type": "classification"
     }
   }
   

2. 为一个数据实例准备预测输入。请注意，您必须通过以下字段将每个数据实例作为 JSON 对象提供：

   • csv_row 是包含一行逗号分隔的特征的字符串，其格式与训练期间使用的实例相同。

   • key：每个实例独有的字符串标识符。它充当实例键，显示在预测输出结果中，因此您可以将每个预测与相应的输入实例相匹配。

     这对批量预测来说非常必要，因为批量预测处理输入并保存输出的顺序无法预知。

     在线预测中，产生输出的顺序与您提供输入的顺序相同，实例键就没有那么重要了。此示例仅对单个实例执行预测，因此实例键的值无关紧要。

   要使用 Google Cloud CLI 发送在线预测请求，请将每个实例写入以换行符分隔的 JSON 文件中的一行，如以下示例所示。

   在终端运行以下命令，为您可以发送到 AI Platform Prediction 的单个实例创建输入：

    # A sample record from census dataset. Ground truth is >50K
   RAW_DATA_POINT='44, Private, 160323, Some-college, 10, Married-civ-spouse, Machine-op-inspct, Husband, Black, Male, 7688, 0, 40, United-States'
   
    # Create a prediction request file
   echo "{\"csv_row\": \"$RAW_DATA_POINT\", \"key\": \"dummy-key\"}" > sample_input.json
   
   # Check the prediction request file.
   cat sample_input.json
   

3. 发送预测请求：

   gcloud ai-platform predict \
     --model $MODEL_NAME \
     --version $VERSION_NAME \
     --json-instances sample_input.json \
     --format "value(predictions[0].classes[0])" \
     --signature-name "predict"
   

   此预测输出经过过滤，仅显示预测类：

   >50K
   

预测输出很有可能为 >50K。部署的模型预测相应人员的薪资收入超过 50000 美元。（由于训练具有不确定性，因此您的模型可能会有所不同）。