Esta página explica como configurar seu projeto do Google Cloud para usar a Vertex AI e fazer o download de alguns códigos do TensorFlow para o treinamento. Você também fará o download do código de um app da Web que recebe previsões.
Este tutorial tem várias páginas:Como configurar o projeto e o ambiente
Como treinar um modelo de classificação de imagens personalizado
Como exibir previsões de um modelo de classificação de imagens personalizado
Cada página pressupõe que você já tenha realizado as instruções das páginas anteriores do tutorial.
Antes de começar
Neste tutorial, você usará o Console do Google Cloud e o Cloud Shell para interagir com o Google Cloud. Como alternativa, em vez do Cloud Shell, é possível usar outro shell do Bash com a CLI do Google Cloud instalada.
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Vertex AI and Cloud Run functions APIs.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Vertex AI and Cloud Run functions APIs.
-
In the Google Cloud console, activate Cloud Shell.
At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.
-
Se o Cloud Shell não exibir
(PROJECT_ID)$no prompt, em que PROJECT_ID é substituído pelo ID do projeto do Google Cloud, execute o seguinte comando para configurar o Cloud Shell para usar seu projeto:gcloud config set project PROJECT_ID
crie um bucket do Cloud Storage
Crie um bucket regional do Cloud Storage na região
us-central1 que será usado pelo restante deste tutorial. Ao seguir o tutorial, você usará o
bucket para várias finalidades:
- Armazene o código de treinamento da Vertex AI para usar em um job de treinamento personalizado.
- Armazenar os artefatos do modelo gerados pelo seu job de treinamento personalizado
- Hospede o app da Web que recebe previsões do endpoint da Vertex AI.
Para criar o bucket do Cloud Storage, execute o seguinte comando na sessão do Cloud Shell:
gcloud storage buckets create gs://BUCKET_NAME --project=PROJECT_ID --location=us-central1
Substitua:
- PROJECT_ID: o ID do projeto do Google Cloud;
- BUCKET_NAME: um nome que você escolhe para o bucket. Por exemplo,
hello_custom_PROJECT_ID. Saiba mais sobre os requisitos para nomes de buckets.
Fazer o download do código de exemplo
Faça o download do exemplo de código para usar no restante do tutorial.
gcloud storage cp gs://cloud-samples-data/ai-platform/hello-custom/hello-custom-sample-v1.tar.gz - | tar -xzv
Para ver os arquivos de exemplo de código, execute o seguinte comando:
ls -lpR hello-custom-sample
O diretório hello-custom-sample tem quatro itens:
trainer/: um diretório com o código da API Keras do TensorFlow para o treinamento do modelo de classificação de flores.setup.py: um arquivo de configuração para empacotar o diretóriotrainer/em uma distribuição de origem do Python que a Vertex AI pode usar.function/: um diretório de código em Python para uma função do Cloud Run que pode receber e pré-processar solicitações de previsão a partir de um navegador da Web, enviá-las para a Vertex AI, processar as respostas de previsão e enviá-las de volta ao navegador.webapp/: um diretório com código e marcação para um app da Web que recebe da Vertex AI previsões de classificação de flores.
A seguir
Siga a próxima página deste tutorial para executar um job de treinamento personalizado na Vertex AI.