Python용 Vertex AI SDK를 사용하려는 경우 클라이언트를 초기화하는 서비스 계정에 Vertex AI 서비스 에이전트(roles/aiplatform.serviceAgent
) IAM 역할이 있는지 확인합니다.
Vertex AI를 사용하도록 Google Cloud 프로젝트를 설정합니다. 그런 다음 Cloud Storage 버킷을 만들고 AutoML 이미지 분류 모델을 학습시키는 데 사용할 이미지 파일을 복사합니다.
이 튜토리얼은 여러 페이지로 이루어져 있습니다.
프로젝트 및 환경 설정
각 페이지에서는 이 튜토리얼의 이전 페이지에서 안내를 이미 수행했다고 가정합니다.
시작하기 전에
Vertex AI 기능을 사용하려면 다음 단계를 완료합니다.
-
In the Google Cloud console, go to the project selector page.
-
Select or create a Google Cloud project.
- Cloud Shell을 엽니다. Cloud Shell은 웹브라우저에서 프로젝트와 리소스를 관리할 수 있는 Google Cloud의 대화형 셸 환경입니다. Cloud Shell로 이동
- Cloud Shell에서 현재 프로젝트를 Google Cloud 프로젝트 ID로 설정하고 이를
projectid
셸 변수에 저장합니다. PROJECT_ID를 프로젝트 ID로 바꿉니다. Google Cloud 콘솔에서 프로젝트 ID를 찾을 수 있습니다. 자세한 내용은 프로젝트 ID 찾기를 참조하세요.gcloud config set project PROJECT_ID && projectid=PROJECT_ID && echo $projectid
-
Enable the IAM, Compute Engine, Notebooks, Cloud Storage, and Vertex AI APIs:
gcloud services enable iam.googleapis.com
compute.googleapis.com notebooks.googleapis.com storage.googleapis.com aiplatform.googleapis.com -
Google 계정에 역할을 부여합니다. 다음 각 IAM 역할에 대해 다음 명령어를 한 번씩 실행합니다.
roles/aiplatform.user, roles/storage.admin
gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE
PROJECT_ID
를 프로젝트 ID로 바꿉니다.EMAIL_ADDRESS
를 이메일 주소로 바꿉니다.ROLE
을 각 개별 역할로 바꿉니다.
Vertex AI 사용자(
roles/aiplatform.user
) IAM 역할은 Vertex AI의 모든 리소스를 사용할 수 있는 액세스 권한을 제공합니다. Cloud Storage에서 문서의 학습 데이터 세트에 저장하는 Storage Admin(roles/storage.admin
) 역할입니다.
다음 단계
이 튜토리얼의 다음 페이지에 따라 Google Cloud Console을 사용하여 이미지 분류 데이터 세트를 만들고 공개 Cloud Storage 버킷에서 호스팅되는 이미지를 가져옵니다.