Hello-Bilddaten: Projekt und Umgebung einrichten

In dieser Anleitung werden Sie durch die erforderlichen Schritte zum Trainieren und Abrufen von Vorhersagen aus Ihrem Bildklassifizierungsmodell in der Google Cloud Console geführt. Wenn Sie das Vertex AI SDK für Python verwenden möchten, muss das Dienstkonto, das den Client initialisiert, die IAM-Rolle Dienst-Agent von Vertex AI (roles/aiplatform.serviceAgent) haben.

Sie richten Ihr Google Cloud-Projekt für die Verwendung von Vertex AI ein. Erstellen Sie dann einen Cloud Storage-Bucket und kopieren Sie die Bilddateien, die zum Trainieren eines AutoML-Bildklassifizierungsmodells verwendet werden sollen.


Eine detaillierte Anleitung dazu finden Sie direkt in der Google Cloud Console. Klicken Sie dazu einfach auf Anleitung:

Anleitung


Hinweis: Die Anleitung in der Google Cloud Console und die hier behandelte sind im Wesentlichen identisch. Im ersten Fall wird jedoch ein Dataset mit mehreren Labels und im letzteren ein Dataset mit einem einzigen Label verwendet.

Diese Anleitung umfasst mehrere Seiten:

  1. Richten Sie Ihr Projekt und Ihre Umgebung ein.

  2. Dataset zur Bildklassifizierung erstellen und Bilder importieren

  3. AutoML-Bildklassifizierungsmodell trainieren

  4. Modellleistung bewerten und analysieren

  5. Modell auf einem Endpunkt bereitstellen und eine Vorhersage senden

  6. Projekt bereinigen

Auf jeder Seite wird davon ausgegangen, dass Sie die Anleitung auf den vorherigen Seiten des Leitfadens bereits ausgeführt haben.

Hinweise

Führen Sie die folgenden Schritte aus, bevor Sie die Vertex-AI-Funktionen verwenden.

  1. Rufen Sie in der Google Cloud Console die Seite für die Projektauswahl auf.

    Zur Projektauswahl

  2. Wählen Sie ein Google Cloud-Projekt aus oder erstellen Sie eines.

  3. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

  4. Öffnen Sie Cloud Shell. Cloud Shell ist eine interaktive Shell-Umgebung für Google Cloud, mit der Sie Projekte und Ressourcen über Ihren Webbrowser verwalten können.
  5. Zu Cloud Shell
  6. Legen Sie in Cloud Shell das aktuelle Projekt auf Ihre Google Cloud-Projekt-ID fest und speichern Sie sie in der Shell-Variable projectid:
      gcloud config set project PROJECT_ID &&
      projectid=PROJECT_ID &&
      echo $projectid
    Ersetzen Sie PROJECT_ID durch Ihre Projekt-ID. Sie finden Ihre Projekt-ID in der Google Cloud Console. Weitere Informationen finden Sie unter Projekt-ID ermitteln.
  7. Aktivieren Sie die 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
  8. Gewähren Sie Ihrem Google-Konto Rollen. Führen Sie den folgenden Befehl für jede der folgenden IAM-Rollen einmal aus: roles/aiplatform.user, roles/storage.admin

    gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE
    • Ersetzen Sie PROJECT_ID durch Ihre Projekt-ID.
    • Ersetzen Sie EMAIL_ADDRESS durch Ihre E-Mail-Adresse.
    • Ersetzen Sie ROLE durch jede einzelne Rolle.
  9. Die IAM-Rolle „Vertex AI-Nutzer“ (roles/aiplatform.user) bietet Zugriff auf alle Ressourcen in Vertex AI. Mit der Rolle Storage-Administrator (roles/storage.admin) speichern Sie das Trainings-Dataset des Dokuments in Cloud Storage.

Nächste Schritte

Folgen Sie der nächsten Seite dieser Anleitung, um mit der Google Cloud Console ein Dataset zur Bildklassifizierung zu erstellen und in einem öffentlichen Cloud Storage-Bucket gehostete Bilder zu importieren.