Introduzione ai dati di immagine: configura il progetto e l'ambiente

Questo tutorial illustra i passaggi necessari per addestrare e ottenere previsioni dal modello di classificazione delle immagini nella console Google Cloud. Se prevedi di utilizzare l'SDK Vertex AI per Python, assicurati che l'account di servizio che inizializza il client abbia il ruolo IAM Agente di servizio Vertex AI (roles/aiplatform.serviceAgent).

Dovrai configurare il tuo progetto Google Cloud per utilizzare Vertex AI. Quindi crea un bucket Cloud Storage e copia i file immagine da utilizzare per addestrare un modello di classificazione delle immagini AutoML.

Per seguire le istruzioni dettagliate per questa attività direttamente nella console Google Cloud, fai clic su Procedura guidata:

Guidami

Nota: il tutorial nella console Google Cloud e quello qui trattato sono fondamentalmente gli stessi. Tuttavia, viene utilizzato un set di dati con più etichette nella prima e un set di dati con etichetta singola nella seconda.

Questo tutorial è composto da diverse pagine:

  1. Configura il progetto e l'ambiente.

  2. Crea un set di dati per la classificazione delle immagini e importa le immagini.

  3. Addestra un modello di classificazione di immagini AutoML.

  4. Valuta e analizza le prestazioni del modello.

  5. Esegui il deployment di un modello in un endpoint e invia una previsione.

  6. Esegui la pulizia del progetto.

Ogni pagina presuppone che tu abbia già eseguito le istruzioni dalle pagine precedenti del tutorial.

Prima di iniziare

Completa i seguenti passaggi prima di utilizzare la funzionalità di Vertex AI.

  1. Nella console Google Cloud, vai alla pagina del selettore dei progetti.

    Vai al selettore progetti

  2. Seleziona o crea un progetto Google Cloud.

  3. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

  4. Apri Cloud Shell. Cloud Shell è un ambiente shell interattivo per Google Cloud che consente di gestire progetti e risorse dal browser web.
    5. Vai a Cloud Shell
  5. In Cloud Shell, imposta il progetto attuale sul tuo ID progetto Google Cloud e archivialo nella variabile shell projectid: 
      gcloud config set project PROJECT_ID &&
  projectid=PROJECT_ID &&
  echo $projectid
    Sostituisci PROJECT_ID con l'ID progetto. Puoi individuare il tuo ID progetto nella console Google Cloud. Per maggiori informazioni, consulta la pagina Trovare l'ID progetto.

  6. Abilita le API IAM, Compute Engine, Notebooks, Cloud Storage, and Vertex AI. 

    gcloud services enable iam.googleapis.com  compute.googleapis.com notebooks.googleapis.com storage.googleapis.com aiplatform.googleapis.com

  7. Concedi i ruoli al tuo Account Google. Esegui il comando seguente una volta per ciascuno dei seguenti ruoli IAM: roles/aiplatform.user, roles/storage.admin 

    gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE
    • Sostituisci PROJECT_ID con l'ID progetto.
    • Sostituisci EMAIL_ADDRESS con il tuo indirizzo email.
    • Sostituisci ROLE con ogni ruolo.
    8. Il ruolo IAM Utente Vertex AI (roles/aiplatform.user) fornisce l'accesso per utilizzare tutte le risorse di Vertex AI. Il ruolo di Amministratore archiviazione (roles/storage.admin) con cui archivi il set di dati di addestramento del documento in Cloud Storage.

Passaggi successivi

Segui la pagina successiva di questo tutorial per utilizzare la console Google Cloud per creare un set di dati di classificazione delle immagini e importare immagini ospitate in un bucket Cloud Storage pubblico.