개발 환경

AI Platform Training은 머신러닝 솔루션을 지원하는 여러 기술 중 하나이며, 기본 요건 및 종속 항목이 세심하게 구성된 개발 환경이 필요합니다. 이 페이지에서는 개발 환경을 구성하는 요소와 이러한 요소로 인해 발생하는 문제점을 설명합니다.

Python 버전 지원

AI Platform Training에서는 Python 2.7 또는 Python 3을 실행할 수 있습니다. 구성 파일이나 gcloud 명령어를 사용하여 학습 작업용 Python 버전을 설정할 수 있습니다.

모델 학습에 Python 2와 Python 3 중 무엇을 사용했든 관계없이 학습된 모델로 온라인 및 일괄 예측 작업을 수행할 수 있습니다.

Python 2와 Python 3 간에 코드를 포팅해야 하는 경우 Six 등의 호환성 라이브러리를 사용할 수 있습니다. Six는 기본적으로 AI Platform Training 런타임 이미지에 포함되어 있습니다.

루트 액세스

기본 개발 환경을 구성하는 경우 sudo를 사용하여 macOS 또는 Linux에서 pip 설치를 실행해야 할 수 있습니다. 하지만 가상 환경을 사용할 경우 설치가 OS 보호 시스템 디렉터리 외부에서 이루어지므로 루트 액세스가 필요하지 않습니다.

런타임 환경

클라우드에서 Google Cloud 프로젝트를 실행하는 가상 머신의 구성은 사용하는 런타임 버전으로 정의됩니다.

Python 가상 환경

Python 구성은 복잡해질 수 있으며 특히 같은 컴퓨터에서 다른 기술을 이용해 Python 애플리케이션을 개발할 경우 그렇습니다. Python 개발 작업에서 가상 환경을 사용하면 패키지와 버전 관리를 단순화할 수 있습니다.

Python 가상 환경은 컴퓨터의 기본 환경에서 격리되어 프로젝트 전용으로 사용되는 Python 인터프리터와 패키지를 관리합니다. 작업 중인 각 Python 프로젝트를 위해 별도의 환경을 구성하는 데 가상 환경을 사용할 수 있습니다. 각 환경은 고유한 Python 버전과 필요한 모듈로 구성됩니다.

가상 Python 환경에는 몇 가지 옵션이 있습니다. 그 중에서도 Anaconda(또는 이보다 작은 버전인 Miniconda)를 권장합니다. 여기에는 Conda라 불리는 자체 가상 환경 관리자가 포함됩니다. Anaconda는 널리 사용되는 패키지 및 도구 모음으로 데이터 과학자가 보편적으로 사용합니다.

머신러닝 프레임워크

AI Platform Training과 AI Platform Prediction은 다음 프레임워크를 지원합니다.

Google Cloud Platform 계정

AI Platform Training의 클라우드 기능을 사용하려면 결제가 사용 설정된 Google Cloud 계정과 AI Platform Training 및 Prediction API가 사용 설정된 프로젝트가 있어야 합니다. Google Cloud를 처음 사용하는 경우 자세한 내용은 프로젝트 개요를 참조하세요.

클라우드 컴퓨팅 리전

프로세싱 리소스는 리소스가 물리적으로 위치한 데이터 센터에 해당하는 리전 및 영역별로 할당됩니다. 일반적으로 모델 학습과 같은 일회성 작업은 물리적 위치와 가장 가까운 리전(또는 의도한 사용자의 물리적 위치)에서 실행해야 하지만 다음 사항에 유의하세요.

  • GPU 및 기타 하드웨어의 모델 학습과 온라인/일괄 예측을 포함하여 AI Platform Training 서비스에 사용할 수 있는 리전을 확인하세요.

  • AI Platform Training 작업은 작업 데이터를 읽고 쓰는 데 사용하는 Cloud Storage 버킷과 같은 리전에서 항상 실행되어야 합니다.

  • AI Platform Training 작업에 데이터를 읽고 쓰는데 사용하는 모든 Cloud Storage 버킷에는 표준 스토리지 클래스를 사용해야 합니다.

다음 단계