開発環境

機械学習ソリューションの一連のテクノロジーとして AI Platform を使用するには、前提条件と依存関係が慎重に構成された開発環境が必要とされます。このページでは、開発環境を作り上げる要素と、それに付随する問題を説明します。

Python バージョンのサポート

デフォルトでは、AI Platform は Python 2.7 を実行します。

Python 3.5 は、AI Platform のランタイム バージョン 1.4 以上で使用できます。トレーニング ジョブの Python バージョンは、構成ファイルまたは gcloud コマンドで設定します。

Python 2 または Python 3 でトレーニングを行ったかどうかにかかわらず、オンライン予測とバッチ予測はトレーニングされたモデルで動作します。

Python 2 と Python 3 の間でコードの移植が必要な場合は、six などの互換性のあるライブラリを使用します。デフォルトでは、AI Platform のランタイム イメージに six が含まれています。

ルートアクセス権

ベース開発環境を構成する場合、macOS または Linux で pip のインストールを実行するために、sudo の使用が必要になることがあります。ただし、仮想環境を使用する場合は、インストールは OS に保護されたシステム ディレクトリの外で行われるため、root にアクセスする必要はありません。

ランタイム環境

クラウドで GCP プロジェクトを実行する仮想マシンの構成は、使用するランタイム バージョンによって定義されます。

Python 仮想環境

特に同じコンピュータ上で異なるテクノロジーを使用する他の Python アプリケーションを開発する場合に、Python の構成が複雑になることがあります。仮想環境を使って Python 開発を行うことで、パッケージとバージョンの管理を簡素化できます。

Python 仮想環境はインタープリタとパッケージを管理し、それらは、使用するコンピュータのデフォルト環境から切り離されてプロジェクト専用となります。仮想環境を使用すると、作業対象の Python プロジェクトごとに個別の環境を構成できます。それぞれの環境で固有の Python のバージョンと必要なモジュールを使用できます。

仮想 Python 環境にはいくつかのオプションがあります。Anaconda(または、その最小構成版である Miniconda)をおすすめします。これらの環境には、Conda と名付けられた、独自の仮想環境マネージャーが含まれています。Anaconda は、データ サイエンティストがよく使用する人気の高いパッケージとツールのスイートです。

機械学習のフレームワーク

AI Platform は以下のフレームワークをサポートしています。

Google Cloud Platform アカウント

AI Platform のクラウド機能を使用するには、GCP アカウントで課金を有効にし、プロジェクトで AI Platform Training API と AI Platform Prediction API を有効にする必要があります。GCP を初めて使用する場合は、プロジェクトの概要で詳細をご覧ください。

Cloud Compute リージョン

処理リソースは、リージョンとゾーンによって割り当てられます。これは、リソースが物理的に設置されたデータセンターに相当します。通常は、モデルのトレーニングなどの一回限りのジョブは、自分の物理的ロケーション(または対象ユーザーの物理的ロケーション)に最も近いリージョンで実行するべきです。ただし以下の点に注意してください。

  • GPU や他のハードウェアでのモデル トレーニング、オンライン / バッチ予測など、AI Platform サービスで利用可能なリージョンを確認してください。

  • AI Platform のジョブは、そのジョブのデータの読み取りと書き込みに使用する Cloud Storage バケットと同じリージョンで実行する必要があります。

  • AI Platform ジョブのデータの読み取りと書き込みに使用する Cloud Storage バケットには、Standard Storage クラスを使用してください。

次のステップ

このページは役立ちましたか?評価をお願いいたします。

フィードバックを送信...

Google Cloud 機械学習ドキュメント