Hello 이미지 데이터: 프로젝트 및 환경 설정

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.

  1. 프로젝트 및 환경 설정

  2. 이미지 분류 데이터 세트 만들기 및 이미지 가져오기

  3. AutoML 이미지 분류 모델 학습

  4. 모델 성능 평가 및 분석

  5. 엔드포인트에 모델을 배포하고 예측 전송

  6. 프로젝트 삭제

각 페이지에서는 이 튜토리얼의 이전 페이지에서 안내를 이미 수행했다고 가정합니다.

시작하기 전에

Vertex AI 기능을 사용하려면 다음 단계를 완료합니다.

  1. In the Google Cloud console, go to the project selector page.

    Go to project selector

  2. Select or create a Google Cloud project.

  3. Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.

  4. Cloud Shell을 엽니다. Cloud Shell은 웹브라우저에서 프로젝트와 리소스를 관리할 수 있는 Google Cloud의 대화형 셸 환경입니다.
    5. Cloud Shell로 이동
  5. Cloud Shell에서 현재 프로젝트를 Google Cloud 프로젝트 ID로 설정하고 이를 projectid 셸 변수에 저장합니다. 
      gcloud config set project PROJECT_ID &&
  projectid=PROJECT_ID &&
  echo $projectid
     PROJECT_ID를 프로젝트 ID로 바꿉니다. Google Cloud 콘솔에서 프로젝트 ID를 찾을 수 있습니다. 자세한 내용은 프로젝트 ID 찾기를 참조하세요.

  6. 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

  7. 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_ID를 프로젝트 ID로 바꿉니다.
    • EMAIL_ADDRESS를 이메일 주소로 바꿉니다.
    • ROLE을 각 개별 역할로 바꿉니다.
    8. 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.

이전
개요
다음
데이터 세트 만들기 및 이미지 가져오기