Cómo comenzar a usar el algoritmo integrado de aprendizaje lineal

Con algoritmos integrados en AI Platform, puedes enviar tus datos de entrenamiento, seleccionar un algoritmo y permitir que el Entrenamiento de AI Platform controle el procesamiento previo y el entrenamiento por ti sin escribir ningún código para una aplicación de entrenamiento.

Descripción general

En este instructivo, entrenarás un modelo de algoritmo de aprendizaje lineal sin escribir ningún código. Enviarás el conjunto de datos de ingresos del censo a AI Platform para su procesamiento previo y entrenamiento y, luego, implementarás el modelo en AI Platform a fin de obtener predicciones. El modelo resultante predice la probabilidad de que el ingreso anual de una persona sea mayor que $50,000.

Antes de comenzar

Para completar este instructivo en la línea de comandos, usa Cloud Shell o cualquier entorno en el que esté instalado el SDK de Cloud.

Completa los pasos siguientes para configurar una cuenta de GCP, habilitar las API necesarias y, también, instalar y activar el SDK de Cloud.

  1. Accede a tu Cuenta de Google.

    Si todavía no tienes una cuenta, regístrate para obtener una nueva.

  2. En GCP Console, en la página de selección de proyecto, selecciona o crea un proyecto de GCP.

    Ir a la página de selección de proyecto

  3. Asegúrate de tener habilitada la facturación para tu proyecto de Google Cloud Platform. Obtén información sobre cómo confirmar que tienes habilitada la facturación para tu proyecto.

  4. Habilita lasAI Platform ("Cloud Machine Learning Engine") y Compute EngineAPIAPI.

    Habilita lasAPI

  5. Instala e inicializa el SDK de Cloud.

Configuración

Para usar algoritmos integrados, debes quitar la fila del encabezado de tu archivo CSV y mover los valores de destino a la primera columna. Modificamos el conjunto de datos del censo original a fin de usarlo en este instructivo y lo alojamos en un depósito público de Cloud Storage, gs://cloud-samples-data/ai-platform/census/algorithms/data/.

Console

Antes de comenzar tu trabajo de entrenamiento, debes copiar los datos de nuestro depósito público de Cloud Storage en tu depósito.

Copia los datos de muestra en tu depósito de Cloud Storage

  1. Primero, descarga los datos de entrenamiento y prueba desde nuestro depósito público de Cloud Storage.

    1. Navega hasta nuestro depósito público de Cloud Storage:

      Obtén los datos de muestra

    2. Descarga test.csv y train.csv:

      1. Haz clic en el nombre del archivo.

      2. En la página Detalles del objeto, haz clic en Descargar. Estos archivos se descargan en tu entorno local como ai-platform_census_algorithms_data_test.csv y ai-platform_census_algorithms_data_train.csv, de manera respectiva.

  2. A continuación, debes subir los datos de entrenamiento y prueba a tu depósito de Cloud Storage.

    1. Navega hasta la página del navegador de tu depósito de Cloud Storage. Selecciona tu proyecto desde la lista desplegable Selecciona un proyecto o ábrelo en una pestaña nueva:

      Página del navegador de Cloud Storage

    2. Haz clic en el nombre del depósito que deseas usar o crea uno nuevo si todavía no tienes uno. (Si creas un depósito nuevo, asegúrate de que sea regional y selecciona la misma región en la que estás ejecutando el trabajo de entrenamiento de AI Platform).

    3. De manera opcional haz clic en Crear carpeta a fin de crear una carpeta para los archivos que subas. Ingresa un nombre para la carpeta (por ejemplo, “datos”), y haz clic en Crear. A continuación, navega hasta la carpeta nueva; para ello, haz clic en el nombre de la carpeta.

    4. Haz clic en Subir archivos para subir los archivos de entrenamiento y de prueba, ai-platform_census_algorithms_data_train.csv y ai-platform_census_algorithms_data_test.csv, en tu depósito.

Ahora que los datos están copiados en tu depósito, puedes comenzar un trabajo de entrenamiento; para ello, selecciona el tipo de algoritmo que quieras usar.

Selecciona tu algoritmo

  1. Ve a la página Trabajos de AI Platform en Google Cloud Platform Console:

    Página Trabajos de AI Platform

  2. Haz clic en el botón Trabajo de entrenamiento nuevo. De las opciones que se muestran a continuación, haz clic en Entrenamiento de modelos integrado. Aparecerá la página Crear un trabajo de entrenamiento nuevo.

  3. La creación de un trabajo de entrenamiento se divide en cuatro pasos. El primero es Algoritmo de entrenamiento. Selecciona Algoritmo de aprendizaje lineal integrado y haz clic en Siguiente.

gcloud

Configura las variables del entorno para el ID de tu proyecto, tu depósito de Cloud Storage, la ruta de Cloud Storage a los datos de entrenamiento y la selección del algoritmo.

Los algoritmos integrados de AI Platform se encuentran en contenedores de Docker alojados en Container Registry.

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"
gsutil 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"

Envía un trabajo de entrenamiento

Para enviar un trabajo, debes especificar algunos argumentos básicos del entrenamiento y del algoritmo de aprendizaje lineal.

Argumentos generales para el trabajo de entrenamiento:

Argumentos del trabajo de entrenamiento
Argumento Descripción
job-id ID único para el trabajo de entrenamiento. Puedes usarlo para buscar registros sobre el estado de tu trabajo de entrenamiento una vez que lo hayas enviado.
job-dir La ruta de Cloud Storage en la que AI Platform guarda los archivos de entrenamiento tras completar un trabajo de entrenamiento de forma correcta.
scale-tier Especifica los tipos de máquina para el entrenamiento. Usa BASIC para seleccionar una configuración de una sola máquina.
master-image-uri El URI de Container Registry que se usa para especificar qué contenedor de Docker se usará en el trabajo de entrenamiento. Usa el contenedor para el algoritmo integrado de aprendizaje lineal ya definido como IMAGE_URI.
region Especifica la región disponible en la que se ejecuta tu trabajo de entrenamiento. Para este instructivo, puedes usar la región us-central1.

Argumentos específicos del algoritmo de aprendizaje lineal integrado:

Argumentos del algoritmo
Argumento Descripción
preprocess Argumento booleano que indica si AI Platform debe o no procesar con anterioridad los datos.
model_type Indica el tipo de modelo que se entrenará: clasificación o regresión.
training_data_path Ubicación en Cloud Storage de los datos de entrenamiento, que debe ser un archivo CSV.
learning_rate La tasa de aprendizaje que usa el optimizador lineal.
max_steps Cantidad de pasos para ejecutar el entrenamiento.
batch_size Cantidad de ejemplos para utilizar por paso de entrenamiento.

Para obtener una lista detallada de todas las marcas de algoritmos de aprendizaje lineales, consulta la referencia sobre algoritmos integrados de aprendizaje lineal.

Console

  1. Deja marcada la opción Habilitar el procesamiento previo automático de los datos.

  2. Para Ruta de acceso a los datos de entrenamiento, haz clic en Explorar. En el panel derecho, haz clic en el nombre del depósito en el que subiste los datos de entrenamiento y navega hasta tu archivo ai-platform_census_algorithms_data_train.csv.

  3. Deja los campos Datos de validación y Datos de prueba con su configuración predeterminada.

  4. En Directorio de resultados, ingresa la ruta a tu depósito de Cloud Storage en el que quieres que AI Platform almacene los resultados de tu trabajo de entrenamiento Puedes completar la ruta de tu depósito de Cloud Storage de forma directa o hacer clic en el botón Explorar para seleccionarlo.

    A fin de mantener el orden, crea un directorio nuevo dentro de tu depósito de Cloud Storage para este trabajo de entrenamiento. Puedes hacerlo desde el panel Explorar.

    Haz clic en Siguiente.

  5. Para Tipo de modelo, selecciona Clasificación.

  6. Para Tipo de modelo, selecciona Clasificación.

  7. Deja todos los otros campos con su configuración predeterminada y, a continuación, haz clic en Siguiente.

  8. En la página Configuración del trabajo, haz lo siguiente:

    1. Ingresa un ID del trabajo único (como "linear_example").
    2. Ingresa una región disponible (como "us-central1").
    3. Selecciona "BASIC" para el nivel de escala.

    Haz clic en Listo a fin de enviar el trabajo de entrenamiento.

gcloud

  1. Configura todos los argumentos para el trabajo de entrenamiento y el algoritmo antes de usar gcloud a fin de enviar el trabajo:

    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. Envía el trabajo:

    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. Una vez que enviaste el trabajo de forma correcta, puedes ver los registros con la ejecución de los comandos de gcloud siguientes:

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

Obtén información sobre el directorio de tu trabajo

Una vez que tu trabajo de entrenamiento se completa de forma correcta, AI Platform crea un modelo entrenado en tu depósito de Cloud Storage, junto con otros artefactos. Puedes buscar la estructura de directorio siguiente dentro de tu JOB_DIR:

  • model/ (un directorio SavedModel de TensorFlow que también contiene un archivo deployment_config.yaml)
    • saved_model.pb
    • deployment_config.yaml
  • artifacts/
    • metadata.json
  • processed_data/
    • training.csv
    • validation.csv
    • test.csv

Confirma que la estructura de tu directorio en JOB_DIR coincida con la que se muestra a continuación:

gsutil ls -a $JOB_DIR/*

Implementa el modelo entrenado

AI Platform organiza tus modelos entrenados mediante los recursos de modelo y versión. Un modelo de AI Platform es un contenedor para las versiones de tu modelo de aprendizaje automático.

Para implementar un modelo, crea un recurso de modelo en AI Platform, crea una versión de ese modelo, y usa el modelo y la versión para solicitar predicciones en línea.

Para obtener más información sobre cómo implementar modelos en AI Platform, consulta cómo implementar un modelo de TensorFlow.

Console

  1. En la página Trabajos puedes encontrar una lista de todos tus trabajos de entrenamiento. Haz clic en el nombre del trabajo de entrenamiento que acabas de enviar ("linear_example" o el nombre del trabajo que usaste).

  2. En la página Detalles del trabajo puedes ver el progreso general de tu trabajo, o haz clic en Ver registros para obtener una vista más detallada de su progreso.

  3. Cuando el trabajo se haya completado correctamente, aparecerá el botón Implementar modelo en la parte superior. Haz clic en Implementar modelo.

  4. Selecciona Implementar como modelo nuevo y, a continuación, ingresa un nombre de modelo, como "algorithms_linear_model". Luego, haz clic en Confirmar.

  5. En la página Crear versión, ingresa un nombre de versión, como "v1", y deja todos los otros campos con su configuración predeterminada. Haz clic en Guardar.

gcloud

El proceso de entrenamiento con el algoritmo lineal de aprendizaje integrado genera un archivo, deployment_config.yaml, que facilita la implementación del modelo en AI Platform para las predicciones.

  1. Copia el archivo a tu directorio local y visualiza su contenido:

    gsutil cp $JOB_DIR/model/deployment_config.yaml .
    cat deployment_config.yaml
    

    El archivo deployment_config.yaml debería ser similar al ejemplo siguiente:

    deploymentUri: gs://BUCKET_NAME/algorithms_training/census_linear_classification/model
    framework: TENSORFLOW
    labels:
      global_step: '1000'
      job_id: census_linear_classification_20190227060114
    runtimeVersion: '1.12'
    
  2. Crea el modelo y la versión en AI Platform:

    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
    

    La versión tarda unos minutos en crearse.

Obtén predicciones en línea

Cuando solicitas predicciones, debes asegurarte de que tus datos de entrada tengan el mismo formato que los de entrenamiento. Antes del entrenamiento, AI Platform procesa con anterioridad tus datos, ya que los transforma en el corpus que se muestra en metadata.json.

El modelo de TensorFlow Estimator aplica un procesamiento previo similar a tus datos de entrada antes de realizar las predicciones.

  1. Descarga los archivos de artefactos de entrenamiento y revisa metadata.json:

    gsutil cp $JOB_DIR/artifacts/* .
    
    # Let's look at the metadata.json file
    head metadata.json
    
  2. Prepara la entrada de predicción para una instancia de datos: Ten en cuenta que debes proporcionar cada instancia de datos como un objeto JSON con los campos siguientes:

    • csv_row, una string que contiene una fila de atributos separados por coma en el mismo formato que las instancias que se usaron durante el entrenamiento.
    • key, un identificador de string que es único para cada instancia. Esto funciona como una clave de instancia, que aparece como parte del resultado de la predicción, por lo que puedes hacer coincidir cada predicción con la instancia de entrada correspondiente.

      Esto es necesario para la predicción por lotes, ya que esta procesa la entrada y guarda el resultado en un orden impredecible.

      Para la predicción en línea, que produce un resultado en el mismo orden que la entrada que proporcionaste, las claves de instancia son menos importantes. En este ejemplo, solo se realizan predicciones en una sola instancia, por lo que el valor de la clave de instancia no es relevante.

    Para enviar una solicitud de predicción en línea con la herramienta de línea de comandos de gcloud, como en este ejemplo, escribe cada instancia en una fila del archivo JSON delimitado por saltos de línea

    Ejecuta los comandos siguientes en tu terminal a fin de crear entradas para una sola instancia que puedas enviar a AI Platform Prediction:

     # 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. Envía la solicitud de predicción:

    gcloud ai-platform predict \
      --model $MODEL_NAME \
      --version $VERSION_NAME \
      --json-instances sample_input.json
    

Lo más probable es que el resultado de la predicción incluya la clase >50K', que indica que el modelo implementado predice que la persona cuya información proporcionaste gana un salario superior a $50,000 (debido a que el entrenamiento no es determinista, tu modelo puede variar).

Acerca de los datos

El conjunto de datos de ingresos del censo que se usa en esta muestra para el entrenamiento lo aloja UC Irvine Machine Learning Repository.

Los datos del censo son cortesía de Lichman, M. (2013). UCI Machine Learning Repositoryhttp://archive.ics.uci.edu/ml. Irvine, CA: University of California, School of Information and Computer Science.

Próximos pasos