その他のサンプルとチュートリアル

このページでは、AI Platform を使用してアプリケーションを作成する方法を示すチュートリアルとサンプルを概説します。

サンプルの取得

最新の AI Platform のサンプルは GitHub で入手できます。

スタートガイドに沿って、実行と実験が可能な開発環境にサンプルを入手します。より多くのサンプルが順次リポジトリに追加されますので、必ず GitHub を定期的に確認してください。

サンプルの理解

提供されるサンプルは、AI Platform がどのように使われるかを具体的に示します。以下では、このサンプルの処理内容や、サンプルで使用されている AI Platform の機能について説明します。

各サンプルは、学習モデルに一般公開データセットを使用します。データセットは、データ サイエンティストにはよく知られていますが、容易に入手できます。これらは Google Cloud Storage 上にホストされています。

TensorFlow と Keras による幅広く深い分類

次のサンプルでは、個人所得水準の予測モデルをトレーニングするため、アメリカ国勢調査データセットを使用しています。これらの分類サンプルでは、AI Platform の使用方法を紹介しています。これらは、ハイパーパラメータ調整、オンライン予測、バッチ予測など、AI Platform のほとんどの機能を備えたエンドツーエンドの機械学習ソリューションです。

TensorFlow Estimator API の国勢調査サンプル

TensorFlow Estimator 国勢調査サンプルは、AI Platform の初心者向けのサンプルです。この API を使用すると、コードを大量にオーバーホールすることなく、素早く反復処理し、独自のデータセットにモデルを適合させることができます。

このサンプルは、GitHub: 国勢調査所得データセットによる所得予測から入手できます。

TensorFlow Custom Estimator API の国勢調査サンプル

TensorFlow Custom Estimator のサンプルを使用して、すべて Estimator API サンプルで示されているのとの同じ手順を実行できます。このサンプルでは、tf.estimator.Estimator のカスタム実装を使用します。Custom Estimator は、トレーニング、評価または予測の実行に必要なオペレーションをさらに細かく制御する場合に便利です。

このサンプルは、GitHub: 国勢調査所得データセットによる所得予測から入手できます。

TensorFlow Core API の国勢調査サンプル

TensorFlow Core の国勢調査サンプルを使用して、すべて Estimator API サンプルで示されているのと同じ手順を実行できます。このサンプルでは、低レベルのバインディングを使用してモデルを構築しています。これにより、TensorFlow の基本的な動作と、Core API を使用する場合のベスト プラクティスを理解するのに役立ちます。

このサンプルは、GitHub: 国勢調査所得データセットによる所得予測から入手できます。

Keras の国勢調査サンプル

Keras 国勢調査サンプルでは、AI Platform で Keras を使用してモデルをトレーニングし、予測を取得します。

このサンプルは、GitHub: Keras を使用した国勢調査所得データセットによる所得予測から入手できます。

パーソナライズ推奨

Movielens サンプルは、movielens 20M データセットの映画評価データに基づいて映画をユーザーに推奨するパーソナライズされた推奨モデルを構築する方法を示しています。

このサンプルは Github: MovieLens のサンプルで入手できます。

広告 - CTR 予測

Criteo サンプルは、Criteo データセットの線形モデルとディープモデルの両方の機能を示しています。このサンプルでは、1 TB のデータセットを使用して、ユーザーが広告をクリックする可能性を予測するモデルを作成します。

このサンプルは、Github: Criteo のサンプルで入手できます。

非構造化テキストデータ

Reddit サンプルは、Reddit データセットの線形モデルとディープモデルの両方の機能を示しています。このモデルは、Reddit のスレッドのスコアをそのコメントから予測します。

このサンプルには、Google BigQuery からデータを読み取って TFRecord 形式に変換するデータ前処理ステップが含まれています。

このサンプルは、Github: Reddit のサンプルで入手できます。

画像転送学習

Flowers サンプルは、イメージベースの転送学習を使用してカスタマイズされたイメージ分類モデルを作成する方法を示しています。このモデルは画像から花の種類を予測します。

このサンプルには、一連のラベル付きイメージからイメージ フィーチャを抽出するデータ前処理ステップが含まれています。

このサンプルについては、2016 年 12 月のブログ記事、Google Cloud Machine Learning と Cloud Dataflow を使用を使用して TensorFlow で画像を分類する方法を参照してください。

画像認識 - CIFAR-10 Estimator

このサンプルは、CIFAR-10 データセットを使用する残余ネットワーク学習モデルのトレーニングと評価を TensorFlow Estimator で行う方法を示しています。

1 つの CPU または複数の GPU を持つ単一または複数のホストでモデルを実行する場合のガイダンスも含まれています。

このサンプルは、GitHub: CIFAR-10 Estimator で入手できます。

Spark-TensorFlow インタラクション

このサンプルは、さまざまなソースから Spark に読み込まれたデータで TensorFlow モデルのトレーニングを行う方法を示しています。また、これらのモデルを Google Cloud Platform で提供する方法も示しています。

このサンプルは、GitHub: Spark-TensorFlow で入手できます。

Object Detection API と AI Platform によるオブジェクト検出

このサンプルでは、AI Platform で実行される分散トレーニングとして Tensorflow Object Detection API を使用します。

オブジェクト検出の詳細については、以下をご覧ください。

このサンプルは、GitHub: Google Cloud Platform での実行で入手できます。

サーバーレス機械学習でサポート チケットを整理する

サーバーレス機械学習でサポート チケットを整理する」チュートリアルでは、イベントベースのサーバーレス アーキテクチャを使用した Cloud AI でチケットデータを拡充して、一般的なヘルプデスクのシナリオを拡張する方法について説明します。このチュートリアルでは、関連記事のサーバーレス機械学習モデルのアーキテクチャサーバーレス機械学習モデルの構築で概説されているアーキテクチャの構築方法を説明します。

IoT 機械学習の自動化: AI Platform を使用してクラウドとデバイスの利点を橋渡しする

IoT 機械学習の自動化: AI Platform を使用してクラウドとデバイスの利点を橋渡しするチュートリアルでは、新規または更新済み機械学習モデルを IoT(モノのインターネット)デバイスに直接配信するワークフローを自動化する方法について説明します。

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...

TensorFlow 用 AI Platform