scikit-learn パイプラインによる予測

このチュートリアルでは、Iris データセットを使用して、花の種を予測する簡単なモデルをトレーニングします。モデルをローカルでトレーニングして保存したら、Cloud ML Engine にデプロイしてクエリでオンライン予測を取得します。

Cloud ML Engine に scikit-learn パイプラインをデプロイし、実行できます。Cloud ML Engine は現在、パイプラインのコンポーネントとして事前に構築された scikit-learn 変換だけをサポートしています。

scikit-learn の Pipeline モジュールを使用すると、Estimator でトレーニングを行う前に複数のデータ変換を適用できます。これにより、データ処理の複数のステップがカプセル化され、各ステップで同じトレーニング データが使用されるようになります。

このチュートリアルでは Python 2.7 が必要です。Python 3.5 の使用については、XGBoost でオンライン予測を取得する方法、または scikit-learn でオンライン予測を取得する方法をご覧ください。

概要

この入門チュートリアルでは、次のことを行います。

  • scikit-learn パイプラインを使用して、Iris データセットでモデルをトレーニングする。
  • モデルをローカルに保存する。
  • 保存したモデルを Cloud Storage にアップロードする。
  • Cloud ML Engine モデルリソースとモデル バージョンを作成する。
  • 2 つのデータ インスタンスのオンライン予測を取得する。

始める前に

次の操作を行って GCP アカウントを設定し、Cloud ML Engine API を有効にします。さらに、Cloud SDK をインストールして有効にします。

GCP プロジェクトの設定

  1. Google アカウントにログインします。

    Google アカウントをまだお持ちでない場合は、新しいアカウントを登録します。

  2. GCP プロジェクトを選択または作成します。

    [リソースの管理] ページに移動

  3. プロジェクトに対して課金が有効になっていることを確認します。

    課金を有効にする方法について

  4. Cloud Machine Learning Engine と Compute Engine API を有効にします。

    APIを有効にする

  5. Cloud SDK をインストールして初期化します。

環境の設定

以下のいずれかのオプションを選択して、macOS のローカル環境または Cloud Shell のリモート環境を設定します。

macOS の場合、以下の [macOS] タブで環境を設定することをおすすめします。[Cloud Shell] タブに表示される Cloud Shell は、macOS、Linux、Windows で使用できます。Cloud Shell は、Cloud Machine Learning Engine の機能を試すような場合には便利ですが、継続的な開発作業には適していません。

macOS

  1. Python のインストールを確認する
    Python がインストールされていることを確認します。まだの場合はインストールします。

    python -V
  2. pip のインストールを確認する
    pip は現在のバージョンの Python に含まれる Python のパッケージ マネージャーです。pip --version を実行して、pip がインストール済みかどうかを確認します。インストールされていない場合は、pip のインストール方法をご覧ください。

    次のコマンドを使用すると pip をアップグレードできます。

    pip install -U pip

    詳細については、pip のドキュメントをご覧ください。

  3. virtualenv をインストールする
    virtualenv は、隔離された Python 環境を作成するためのツールです。virtualenv --version を実行して、virtualenv がインストール済みかどうかを確認します。インストールされていない場合は、次のコマンドで virtualenv をインストールします。

    pip install --user --upgrade virtualenv

    このガイド用の隔離された開発環境を作成するために、virtualenv で新しい仮想環境を作成します。たとえば、次のコマンドを実行すると、cmle-env という名前の環境が有効になります。

    virtualenv cmle-env
    source cmle-env/bin/activate
  4. このチュートリアルでは、仮想環境内で残りのコマンドを実行します。

    virtualenv の使用方法に関する詳細をご覧ください。virtualenv を終了するには deactivate を実行します。

Cloud Shell

  1. Google Cloud Platform Console を開きます。

    Google Cloud Platform Console

  2. コンソール ウィンドウの上部にある [Cloud Shell をアクティブにする] ボタンをクリックします。

    Google Cloud Shell をアクティブにする

    コンソールの下部の新しいフレーム内で Cloud Shell セッションが開き、コマンドライン プロンプトが表示されます。シェル セッションが初期化されるまで、数秒かかる場合があります。

    Cloud Shell セッション

    Cloud Shell セッションが使用できる状態になります。

  3. 選択したプロジェクトを使用するように gcloud コマンドライン ツールを構成します。

    gcloud config set project [selected-project-id]

    [selected-project-id] はプロジェクト ID です。ID を囲んでいる角かっこは不要です。

Google Cloud SDK のコンポーネントを確認する

Google Cloud SDK のコンポーネントがインストールされていることを確認するには:

  1. モデルを一覧表示します。

    gcloud ml-engine models list
  2. モデルが作成されていない場合は、空のリストが返されます。

    Listed 0 items.

    モデルの作成を開始した後は、このコマンドを使用するとそのモデルがリストに表示されます。

  3. 以前に gcloud をインストールしている場合は、gcloud を更新します。

    gcloud components update

フレームワークのインストール

macOS

仮想環境内で次のコマンドを実行して、scikit-learn、pandas をインストールします。

(cmle-env)$ pip install scikit-learn pandas

インストール オプションやトラブルシューティング情報などの詳細については、各フレームワークのインストール手順をご覧ください。

Cloud Shell

次のコマンドを実行して、scikit-learn、pandas をインストールします。

pip install --user scikit-learn pandas

インストール オプションやトラブルシューティング情報などの詳細については、各フレームワークのインストール手順をご覧ください。

モデルをトレーニングしてエクスポートする

scikit-learn Estimator をエクスポートする場合と同様の方法で、joblibpickle を使用して Pipeline オブジェクトをエクスポートできます。次の例では、RandomForestClassifier を使用して Iris データセットでモデルをトレーニングするパイプラインを設定します。

joblib

パイプラインを設定してモデルをトレーニングし、joblib を使用して Pipeline オブジェクトをエクスポートします。

from sklearn import datasets
from sklearn import svm
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import Pipeline

from sklearn.externals import joblib

# Load the Iris dataset
iris = datasets.load_iris()

# Set up a pipeline with a feature selection preprocessor that
# selects the top 2 features to use.
# The pipeline then uses a RandomForestClassifier to train the model.

pipeline = Pipeline([
      ('feature_selection', SelectKBest(chi2, k=2)),
      ('classification', RandomForestClassifier())
    ])

pipeline.fit(iris.data, iris.target)

# Export the classifier to a file
joblib.dump(pipeline, 'model.joblib')

pickle

パイプラインを設定してモデルをトレーニングし、pickle を使用して Pipeline オブジェクトをエクスポートします。

from sklearn import datasets
from sklearn import svm
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import Pipeline

import pickle

# Load the Iris dataset
iris = datasets.load_iris()

# Set up a pipeline with a feature selection preprocessor that
# selects the top 2 features to use.
# The pipeline then uses a RandomForestClassifier to train the model.

pipeline = Pipeline([
      ('feature_selection', SelectKBest(chi2, k=2)),
      ('classification', RandomForestClassifier())
    ])

pipeline.fit(iris.data, iris.target)

# Export the classifier to a file
with open('model.pkl', 'wb') as model_file:
  pickle.dump(pipeline, model_file)

モデルファイルの命名規則

Cloud Storage にアップロードする保存済みモデルのファイル名は、使用したライブラリに応じて、model.pkl または model.joblib にする必要があります。この制限により、Cloud ML Engine はエクスポート時と同じパターンを使用して、インポート時にモデルを再構築できます。

モデルのエクスポートに使用するライブラリ 正しいモデル名
pickle model.pkl
joblib model.joblib

モデルを今後繰り返し利用する場合は、それぞれの新しいモデルに専用のディレクトリが存在するよう Cloud Storage バケットを整理してください。

モデルの Cloud Storage への保存

このチュートリアルでは、Cloud ML Engine に使用しているのと同じプロジェクトで専用の Cloud Storage バケットを使用する方法が最も簡単です。

別のプロジェクトでバケットを使用している場合は、Cloud ML Engine サービス アカウントで Cloud Storage のモデルにアクセスできることを確認する必要があります。適切な権限がないと、Cloud ML Engine モデル バージョン作成のリクエストが失敗します。詳しくは、ストレージの権限の付与をご覧ください。

Cloud Storage バケットの設定

このセクションでは、新しいバケットを作成する方法を説明します。既存のバケットを使用することもできますが、Cloud ML Engine の実行に使用するプロジェクトに属していないバケットの場合は、明示的に Cloud ML Engine サービス アカウントにアクセス権を付与する必要があります。

  1. 新しいバケットに名前を指定します。名前は Cloud Storage のすべてのバケット全体で重複しないようにする必要があります。

    BUCKET_NAME="your_bucket_name"

    たとえば、プロジェクト名に -mlengine を追加して使用します。

    PROJECT_ID=$(gcloud config list project --format "value(core.project)")
    BUCKET_NAME=${PROJECT_ID}-mlengine
  2. 作成したバケット名を確認します。

    echo $BUCKET_NAME
  3. バケットのリージョンを選択して、REGION 環境変数を設定します。

    たとえば、次のコードは REGION を作成して、その値を us-central1 に設定します。

    REGION=us-central1
  4. 新しいバケットを作成します。

    gsutil mb -l $REGION gs://$BUCKET_NAME

    注: 使用するリージョンは、Cloud ML Engine ジョブを実行するリージョンと同一にしてください。この例では us-central1 を使用しています。「使ってみる」の説明でこのリージョンが使用されているためです。

エクスポートしたモデルファイルを Cloud Storage にアップロードする

次のコマンドを実行して、保存したパイプライン ファイルを Cloud Storage のバケットにアップロードします。

gsutil cp ./model.joblib gs://$BUCKET_NAME/model.joblib

複数のモデルファイルに同じ Cloud Storage バケットを使用できます。それぞれのモデルファイルは、バケット内の独自のディレクトリに配置する必要があります。

予測入力の形式

gcloud

それぞれの入力インスタンスを別々の行に記述して input.json ファイルを作成します。

[6.8,  2.8,  4.8,  1.4]
[6.0,  3.4,  4.5,  1.6]

入力インスタンスの形式は、モデルが想定している形式と一致させる必要があります。この例では、Iris モデルに 4 つの特徴が必要なため、入力は形状の行列(num_instances, 4)でなければなりません。

REST API

それぞれの入力インスタンスを別々の行に記述し、浮動小数点の単純なリストとして input.json ファイルを作成します。

{
  "instances": [

    [6.8,  2.8,  4.8,  1.4],
    [6.0,  3.4,  4.5,  1.6]

  ]
}

入力インスタンスの形式は、モデルが想定している形式と一致させる必要があります。この例では、Iris モデルに 4 つの特徴が必要なため、入力は形状の行列(num_instances, 4)でなければなりません。

詳細については、オンライン予測の入力形式をご覧ください。

ローカル予測を使用したモデルのテスト

gcloud を使用して、ローカル予測用にモデルをデプロイできます。このオプションの手順を実行することにより、モデルを Cloud ML Engine にデプロイする前にモデルのサニティ チェックを行うことができます。これは時間を節約するのに役立ちます。Cloud Storage にアップロードしたモデルファイルを使用すると、オンライン予測をローカルで実行し、Cloud ML Engine 予測サーバーから返される結果のプレビューを取得できます。

トレーニング機能とサービング機能の不一致をデバッグするには、テストデータの小規模なサブセットを使用してローカル予測を行います。たとえば、予測リクエストで送信したデータがモデルでの想定と一致しない場合は、クラウドのオンライン予測リクエストのコストが発生する前に、そのことを検出できます。

詳しくは、gcloud local predict の使用法をご覧ください。

  1. モデル("gs://your-bucket/")、フレームワーク、入力ファイル名が含まれる、Cloud Storage ディレクトリ用の環境変数をまだ設定していない場合は、設定します。

    MODEL_DIR="gs://your-bucket/"
    INPUT_FILE="input.json"
    FRAMEWORK="SCIKIT_LEARN"
    
  2. 予測リクエストを送信します。

    gcloud ml-engine local predict --model-dir=$MODEL_DIR \
        --json-instances $INPUT_FILE \
        --framework $FRAMEWORK
    

モデルとバージョンのデプロイ

Cloud ML Engine は、モデルとバージョンのリソースを使用して、トレーニング済みのモデルを編成します。Cloud ML Engine モデルとは、機械学習モデルの複数のバージョンを格納するコンテナに相当します。

モデルをデプロイするには、Cloud ML Engine でモデルリソースを作成し、そのモデルのバージョンを作成して、モデル バージョンを Cloud Storage に保存したモデルファイルにリンクします。

モデルリソースを作成する

Cloud ML Engine はモデルリソースを使用して、さまざまなバージョンのモデルを整理します。

Console

  1. GCP Console で Cloud ML Engine モデルのページを開きます。

    GCP Console でモデルを開く

  2. 必要に応じて、新しいバージョンを追加するモデルを作成します。

    1. [モデル] ページの上部にある [新しいモデル] ボタンをクリックします。[モデルの作成] ページが表示されます。

    2. モデルの一意の名前を [モデル名] ボックスに入力します。必要であれば、[説明] フィールドにモデルの説明を入力します。

    3. [保存] をクリックします。

    4. [モデル] ページに戻り、新しいモデルがリストに表示されていることを確認します。

gcloud

モデル バージョン用のモデルリソースを作成します。モデルの名前を(角かっこなしで)入力します。

    gcloud ml-engine models create "[YOUR-MODEL-NAME]"

REST API

  1. リクエスト本文にモデル オブジェクトを配置して、リクエストの形式を整えます。少なくとも、モデルの名前を指定する必要があります。モデルの名前を(角かっこなしで)入力します。

      {"name": "[YOUR-MODEL-NAME]" }
    
  2. 次のパスに対する REST API 呼び出しを行います。[VALUES_IN_BRACKETS] は適切な値に置き換えます。

      POST https://ml.googleapis.com/v1/projects/[YOUR-PROJECT-ID]/models/
    

    たとえば、cURL を使用して次のリクエストを行うことができます。

      curl -X POST -H "Content-Type: application/json" \
        -d '{"name": "[YOUR-MODEL-NAME]"}' \
        -H "Authorization: Bearer `gcloud auth print-access-token`" \
        "https://ml.googleapis.com/v1/projects/[YOUR-PROJECT-ID]/models"
    

    次のような出力が表示されます。

      {
        "name": "projects/[YOUR-PROJECT-ID]/models/[YOUR-MODEL-NAME]",
        "regions": [
          "us-central1"
        ]
      }
    

詳細については、Cloud ML Engine モデルの API をご覧ください。

モデル バージョンを作成する

これで、Cloud Storage にアップロードされたトレーニング済みのモデルでモデル バージョンを作成する準備が整いました。バージョンを作成するには、次のパラメータを指定する必要があります。

  • name: Cloud ML Engine モデル内で一意にする必要があります。
  • deploymentUri: エクスポートされたモデルファイルが保存されているディレクトリのパス。モデルファイル自体のパスではなく、ファイルを含むディレクトリへのパスを指定してください。
    • モデルのパス - gs://your_bucket_name/model.pkl
    • モデルを含むディレクトリのパス - gs://your_bucket_name/
  • framework: SCIKIT_LEARN または XGBOOST
  • runtimeVersion: scikit-learn と XGBoost をサポートするため、Cloud ML Engine のバージョンを 1.4 以上に設定する必要があります。
  • pythonVersion: Python 3 でエクスポートされたモデルファイルと互換性を持たせるには、3.5 に設定します。設定しない場合、デフォルトで 2.7 になります。

パラメータの詳細については、バージョン リソース用の Cloud ML Engine API をご覧ください。

各ランタイム バージョンの詳細をご覧ください。

Console

  1. [モデル] ページで、バージョンの作成に使用するモデルリソースの名前を選択します。[モデルの詳細] ページが表示されます。

    GCP Console でモデルを開く

  2. [モデルの詳細] ページの上部にある [新しいバージョン] ボタンをクリックします。[バージョンの作成] ページが表示されます。

  3. [名前] フィールドにバージョン名を入力します。必要であれば、[説明] フィールドにバージョンの説明を入力します。

  4. 対応するプルダウン ボックスに、モデルのトレーニング方法に関連する次の情報を入力します。

  5. 必要であれば、オンライン予測を実行するマシンタイプを選択します。このフィールドのデフォルトは「シングルコア CPU」です。

  6. [モデル URI] フィールドに、モデルファイルをアップロードした Cloud Storage バケットの場所を入力します。[参照] ボタンを使用すると、正しいパスを見つけることができます。モデルファイル自体のパスではなく、ファイルを含むディレクトリへのパスを指定してください。たとえば、gs://your_bucket_name/model.pkl ではなく、gs://your_bucket_name/ を使用します。

  7. オンライン予測デプロイのスケーリング オプション(自動スケーリングまたは手動スケーリング)を選択します。

    • 自動スケーリングを選択すると、オプションの [ノードの最小数] フィールドが表示されます。サービスがスケールダウンしたときにも稼働し続けるノードの最小数を入力できます。このフィールドのデフォルトは 0 です。

    • 手動スケーリングを選択すると、必須の [ノード数] フィールドが表示されます。常に稼働し続けるノードの数を入力する必要があります。

      詳細については、予測費用の料金をご覧ください。

  8. モデル バージョンの作成を終了するには、[保存] をクリックします。

gcloud

  1. モデルバイナリが存在する Cloud Storage ディレクトリのパス、モデル名、バージョン名、フレームワーク(SCIKIT_LEARN または XGBOOST)を保存する環境変数を設定します。[VALUES_IN_BRACKETS] は適切な値に置き換えます。

      MODEL_DIR="gs://your_bucket_name/"
      VERSION_NAME="[YOUR-VERSION-NAME]"
      MODEL_NAME="[YOUR-MODEL-NAME]"
      FRAMEWORK="SCIKIT_LEARN"
    
  2. バージョンを作成します。

      gcloud ml-engine versions create $VERSION_NAME \
          --model $MODEL_NAME --origin $MODEL_DIR \
          --runtime-version=1.13 --framework $FRAMEWORK \
          --python-version=3.5
    

    バージョンの作成には数分かかります。完了すると次の出力が表示されます。

      Creating version (this might take a few minutes)......done.
    
  3. 新しいバージョンに関する情報を取得します。

      gcloud ml-engine versions describe $VERSION_NAME \
          --model $MODEL_NAME
    

    次のような出力が表示されます。

      createTime: '2018-02-28T16:30:45Z'
      deploymentUri: gs://your_bucket_name
      framework: SCIKIT_LEARN
      machineType: mls1-highmem-1
      name: projects/[YOUR-PROJECT-ID]/models/[YOUR-MODEL-NAME]/versions/[YOUR-VERSION-NAME]
      pythonVersion: '3.5'
      runtimeVersion: '1.13'
      state: READY
    

REST API

  1. リクエスト本文の形式を整え、バージョン オブジェクトを追加します。この例では、バージョン namedeploymentUriruntimeVersionframework を指定しています。[VALUES_IN_BRACKETS] は適切な値に置き換えます。

      {
        "name": "[YOUR-VERSION-NAME]",
        "deploymentUri": "gs://your_bucket_name/"
        "runtimeVersion": "1.13"
        "framework": "SCIKIT_LEARN"
        "pythonVersion": "3.5"
      }
    
  2. 次のパスに対する REST API 呼び出しを行います。[VALUES_IN_BRACKETS] は適切な値に置き換えます。

      POST https://ml.googleapis.com/v1/projects/[YOUR-PROJECT-ID]/models/[YOUR-MODEL-NAME]/versions
    

    たとえば、cURL を使用して次のリクエストを行うことができます。

        curl -X POST -H "Content-Type: application/json" \
          -d '{"name": "[YOUR-VERSION-NAME]", "deploymentUri": "gs://your_bucket_name/", "runtimeVersion": "1.13", "framework": "SCIKIT_LEARN", "pythonVersion": "3.5"}' \
          -H "Authorization: Bearer `gcloud auth print-access-token`" \
          "https://ml.googleapis.com/v1/projects/[YOUR-PROJECT-ID]/models/[YOUR-MODEL-NAME]/versions"
    

    バージョンの作成には数分かかります。完了すると次のような出力が表示されます。

      {
        "name": "projects/[YOUR-PROJECT-ID]/operations/create_[YOUR-MODEL-NAME]_[YOUR-VERSION-NAME]-[TIMESTAMP]",
        "metadata": {
          "@type": "type.googleapis.com/google.cloud.ml.v1.OperationMetadata",
          "createTime": "2018-07-07T02:51:50Z",
          "operationType": "CREATE_VERSION",
          "modelName": "projects/[YOUR-PROJECT-ID]/models/[YOUR-MODEL-NAME]",
          "version": {
            "name": "projects/[YOUR-PROJECT-ID]/models/[YOUR-MODEL-NAME]/versions/[YOUR-VERSION-NAME]",
            "deploymentUri": "gs://your_bucket_name",
            "createTime": "2018-07-07T02:51:49Z",
            "runtimeVersion": "1.13",
            "framework": "SCIKIT_LEARN",
            "machineType": "mls1-highmem-1",
            "pythonVersion": "3.5"
          }
        }
      }
    

オンライン予測リクエストの送信

バージョンが正常に作成されると、Cloud ML Engine が予測リクエストを処理する新しいサーバーを起動します。

gcloud

  1. モデル名、バージョン名、入力ファイルの名前を環境変数に設定します。

    MODEL_NAME="pipeline"
    VERSION_NAME="v1"
    INPUT_FILE="input.json"
    
  2. 予測リクエストを送信します。

    gcloud ml-engine predict --model $MODEL_NAME --version \
      $VERSION_NAME --json-instances $INPUT_FILE
    

Python

このサンプルでは、Python 用の Google Cloud クライアント ライブラリを十分に理解していることを前提としています。十分に理解していない場合は、Python クライアント ライブラリの使用をご覧ください。

import googleapiclient.discovery

def predict_json(project, model, instances, version=None):
    """Send json data to a deployed model for prediction.
    Args:
        project (str): project where the Cloud ML Engine Model is deployed.
        model (str): model name.
        instances ([[float]]): List of input instances, where each input
           instance is a list of floats.
        version: str, version of the model to target.
    Returns:
        Mapping[str: any]: dictionary of prediction results defined by the
            model.
    """
    # Create the ML Engine service object.
    # To authenticate set the environment variable
    # GOOGLE_APPLICATION_CREDENTIALS=<path_to_service_account_file>
    service = googleapiclient.discovery.build('ml', 'v1')
    name = 'projects/{}/models/{}'.format(project, model)

    if version is not None:
        name += '/versions/{}'.format(version)

    response = service.projects().predict(
        name=name,
        body={'instances': instances}
    ).execute()

    if 'error' in response:
        raise RuntimeError(response['error'])

    return response['predictions']

予測入力パラメータの詳細については、予測入力に使用する Cloud ML Engine API をご覧ください。

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...

scikit-learn と XGBoost の Cloud ML Engine