Dados da imagem do Hello: configurar o projeto e o ambiente

Neste tutorial, apresentamos as etapas necessárias para treinar e receber previsões do seu modelo de classificação de imagens no console do Google Cloud. Se você planeja usar o SDK da Vertex AI para Python, verifique se a conta de serviço que inicializa o cliente tem o papel do IAM Agente de serviço da Vertex AI (roles/aiplatform.serviceAgent).

Você vai configurar seu projeto do Google Cloud para usar a Vertex AI. Em seguida, crie um bucket do Cloud Storage e copie os arquivos de imagem para usar no treinamento de um modelo de classificação de imagens do AutoML.

---

Para seguir as instruções detalhadas desta tarefa diretamente no console do Google Cloud, clique em Orientação:

Orientações

---

Observação: o tutorial no console do Google Cloud e o que abordamos aqui são basicamente os mesmos. No entanto, um conjunto de dados de vários rótulos é usado no primeiro e um de rótulo único é usado na segunda.

Este tutorial tem várias páginas:

1. Configurr o projeto e o ambiente.

2. Criar um conjunto de dados de classificação de imagens e importar imagens.

3. Treinar um modelo de classificação de imagens do AutoML.

4. Avaliar e analisar o desempenho do modelo.

5. Implantar um modelo em um endpoint e enviar uma previsão.

6. Limpar o projeto.

Cada página pressupõe que você já tenha realizado as instruções das páginas anteriores do tutorial.

Antes de começar

Conclua as etapas a seguir antes de usar a funcionalidade da Vertex AI.

1. No console do Google Cloud, acesse a página do seletor de projetos.

   Acessar o seletor de projetos

2. Selecione ou crie um projeto do Google Cloud.

   Observação: se você não pretende manter os recursos criados neste procedimento, crie um projeto novo em vez de selecionar um que já existe. Depois de concluir essas etapas, é possível excluir o projeto. Para fazer isso, basta remover todos os recursos associados a ele.

3. Verifique se a cobrança está ativada para o seu projeto do Google Cloud.

4. Abra o Cloud Shell. O Cloud Shell é um ambiente shell interativo para o Google Cloud que permite gerenciar projetos e recursos a partir do navegador da Web.
Acesse o Cloud Shell
5. No Cloud Shell, defina o projeto atual como o ID do projeto do Google Cloud e armazene-o na variável de shell projectid:

     gcloud config set project PROJECT_ID &&
     projectid=PROJECT_ID &&
     echo $projectid

   Substitua PROJECT_ID pela ID do seu projeto. Localize o ID do projeto no console do Google Cloud. Para mais informações, consulte Encontrar o ID do projeto.

6. Ative as APIs 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. Atribua os papéis à sua Conta do Google. Execute uma vez o seguinte comando para cada um dos seguintes papéis do IAM: roles/aiplatform.user, roles/storage.admin

   gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE

   • Substitua PROJECT_ID pela ID do seu projeto.
   • Substitua EMAIL_ADDRESS pelo seu endereço de e-mail.
   • Substitua ROLE por cada papel individual.
O usuário da Vertex AI (roles/aiplatform.user) O papel do IAM fornece acesso para usar todos os recursos na Vertex AI. Com o papel Administrador do Storage (roles/storage.admin), você armazena o conjunto de dados de treinamento do documento no Cloud Storage.

A seguir

Siga a próxima página deste tutorial para usar o console do Google Cloud para criar um conjunto de dados de classificação de imagens e importar imagens hospedadas em um bucket público do Cloud Storage.