Pelatihan kustom Hello: Menyiapkan project dan lingkungan Anda

Halaman ini berisi penjelasan mengenai penyiapan project Google Cloud untuk menggunakan Vertex AI dan mendownload beberapa kode TensorFlow untuk pelatihan. Anda juga akan mendownload kode untuk aplikasi web yang mendapatkan prediksi.

Tutorial ini memiliki beberapa halaman:

1. Menyiapkan project dan lingkungan Anda.

2. Melatih model klasifikasi gambar kustom.

3. Menyajikan prediksi dari model klasifikasi gambar kustom.

4. Membersihkan project Anda.

Setiap halaman mengasumsikan bahwa Anda telah menjalankan petunjuk dari halaman sebelumnya dalam tutorial ini.

Sebelum memulai

Dalam tutorial ini, gunakan konsol Google Cloud Console dan Cloud Shell untuk berinteraksi dengan Google Cloud. Atau, bukan Cloud Shell, Anda dapat menggunakan shell Bash lain dengan Google Cloud CLI yang sudah terinstal.

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Vertex AI and Cloud Run functions APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Vertex AI and Cloud Run functions APIs.

   Enable the APIs

8. In the Google Cloud console, activate Cloud Shell.

   Activate Cloud Shell

   At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.

9. Jika Cloud Shell tidak menampilkan (PROJECT_ID)$ dalam perintahnya (dalam hal ini PROJECT_ID diganti dengan project ID Google Cloud Anda), jalankan perintah berikut untuk mengonfigurasi Cloud Shell dan menggunakan project Anda:

   gcloud config set project PROJECT_ID
   

Membuat bucket Cloud Storage

Buat bucket Cloud Storage regional di region us-central1 untuk digunakan selama tutorial ini. Saat mengikuti tutorial, gunakan bucket untuk beberapa tujuan:

• Menyimpan kode pelatihan untuk Vertex AI yang akan digunakan dalam tugas pelatihan kustom.
• Menyimpan artefak model yang dihasilkan tugas pelatihan kustom Anda.
• Menghosting aplikasi web yang mendapatkan prediksi dari endpoint Vertex AI Anda.

Untuk membuat bucket Cloud Storage, jalankan perintah berikut di sesi Cloud Shell:

gcloud storage buckets create gs://BUCKET_NAME --project=PROJECT_ID --location=us-central1

Ganti kode berikut:

• PROJECT_ID: ID project Google Cloud Anda.
• BUCKET_NAME: Nama yang Anda pilih untuk bucket. Contoh, hello_custom_PROJECT_ID. Pelajari persyaratan untuk nama bucket.

Mendownload kode contoh

Download kode contoh untuk digunakan selama tutorial ini.

gcloud storage cp gs://cloud-samples-data/ai-platform/hello-custom/hello-custom-sample-v1.tar.gz - | tar -xzv

Untuk melihat file kode contoh secara opsional, jalankan perintah berikut:

ls -lpR hello-custom-sample

Direktori hello-custom-sample memiliki empat item:

• trainer/: Direktori kode TensorFlow Keras untuk melatih model klasifikasi bunga.

• setup.py: File konfigurasi untuk memaketkan direktori trainer/ ke dalam distribusi sumber Python yang dapat digunakan Vertex AI.

• function/: Direktori kode Python untuk fungsi Cloud Run yang dapat menerima dan melakukan prapemrosesan permintaan prediksi dari browser web, mengirimkannya ke Vertex AI, memproses respons prediksi, dan mengirimkannya kembali ke browser.

• webapp/: Direktori dengan kode dan markup untuk aplikasi web yang mendapatkan prediksi klasifikasi bunga dari Vertex AI.

Langkah berikutnya

Ikuti halaman berikutnya dalam tutorial ini untuk menjalankan tugas pelatihan kustom pada Vertex AI.