Données d'images Hello : configurer votre projet et votre environnement

Ce tutoriel passe en revue les diverses étapes à suivre pour entraîner et obtenir des prédictions à partir de votre modèle de classification d'images dans la console Google Cloud. Si vous prévoyez d'utiliser le SDK Vertex AI pour Python, assurez-vous que le compte de service initialisant le client dispose du rôle Agent de service Vertex AI (roles/aiplatform.serviceAgent).

Vous allez configurer votre projet Google Cloud pour utiliser Vertex AI. Créez ensuite un bucket Cloud Storage et copiez les fichiers image à utiliser pour entraîner un modèle de classification d'images AutoML.

---

Pour obtenir des instructions détaillées sur cette tâche directement dans la console Google Cloud, cliquez sur Visite guidée :

Visite guidée

---

Remarque : Le tutoriel proposé dans la console Google Cloud et celui traité ici sont essentiellement les mêmes. Toutefois, un ensemble de données multi-étiquettes est utilisé dans le premier, et une seule étiquette est utilisée dans le second.

Ce tutoriel comporte plusieurs pages :

1. Configurez votre projet et votre environnement.

2. Créer un ensemble de données de classification d'images et importer des images

3. Entraîner un modèle de classification d'images AutoML

4. Évaluer et analyser les performances du modèle

5. Déployer le modèle sur un point de terminaison et envoyer une prédiction

6. Nettoyer votre projet

Chaque page suppose que vous avez déjà effectué les instructions des pages précédentes du tutoriel.

Avant de commencer

Suivez les étapes ci-dessous avant d'utiliser la fonctionnalité Vertex AI.

1. Dans Google Cloud Console, accédez à la page de sélection du projet.

   Accéder au sélecteur de projet

2. Sélectionnez ou créez un projet Google Cloud.

   Remarque : Si vous ne comptez pas conserver les ressources créées dans cette procédure, créez un projet au lieu de sélectionner un projet existant. Après avoir suivi ces étapes, vous pouvez supprimer le projet. Cela entraîne la suppression de toutes les ressources qui lui sont associées.

3. Vérifiez que la facturation est activée pour votre projet Google Cloud.

4. Ouvrez Cloud Shell. Cloud Shell est un environnement shell interactif pour Google Cloud qui vous permet de gérer vos projets et vos ressources depuis un navigateur Web.
Accéder à Cloud Shell
5. Dans Cloud Shell, définissez le projet actuel sur votre ID de projet Google Cloud et stockez-le dans la variable d'interface système projectid :

     gcloud config set project PROJECT_ID &&
     projectid=PROJECT_ID &&
     echo $projectid

   Remplacez PROJECT_ID par l'ID du projet. Vous trouverez l'ID de votre projet dans la console Google Cloud. Pour en savoir plus, consultez la section Trouver votre ID de projet.

6. Activer les API IAM, Compute Engine, Notebooks, Cloud Storage, and Vertex AI :

   gcloud services enable iam.googleapis.com  compute.googleapis.com notebooks.googleapis.com storage.googleapis.com aiplatform.googleapis.com

7. Attribuez des rôles à votre compte Google. Exécutez la commande suivante une fois pour chacun des rôles IAM suivants : roles/aiplatform.user, roles/storage.admin

   gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE

   • en remplaçant PROJECT_ID par l'ID de votre projet :
   • Remplacez EMAIL_ADDRESS par votre adresse e-mail.
   • Remplacez ROLE par chaque rôle individuel.
Le rôle IAM d'utilisateur Vertex AI (roles/aiplatform.user) permet d'utiliser toutes les ressources dans Vertex AI. Le rôle Administrateur de l'espace de stockage (roles/storage.admin) vous permet de stocker l'ensemble de données d'entraînement du document dans Cloud Storage.

Étapes suivantes

Suivez la page suivante de ce tutoriel pour utiliser la console Google Cloud afin de créer un ensemble de données de classification d'images et d'importer des images hébergées dans un bucket Cloud Storage public.