このページでは、Vertex AI を使用するための Google Cloud プロジェクトの設定と、トレーニングに使用する TensorFlow のコードのダウンロードを行う手順について説明します。また、予測に使用するウェブアプリのコードもダウンロードします。
このドキュメントは「Hello カスタム トレーニング」チュートリアルの一部です。このチュートリアルでは、Vertex AI を使用して画像分類モデルをトレーニングし、そのモデルを使用して予測を提供する方法について説明しています。このチュートリアルでは、Vertex AI のカスタム トレーニング機能を使用して、Vertex AI のビルド済みコンテナ環境のいずれかで TensorFlow Keras トレーニング アプリケーションを実行します。このカスタム トレーニング ジョブは、花の画像をタイプで分類するように機械学習(ML)モデルをトレーニングします。このチュートリアルでは、ML モデルをトレーニングした後、エンドポイントを作成し、そのエンドポイントからシンプルなウェブアプリに予測を提供する方法を説明します。このタスクを Google Cloud コンソールで直接行う際の順を追ったガイダンスについては、「ガイドを表示」をクリックしてください。
このチュートリアルは、次のページから構成されています。
プロジェクトと環境の設定
各ページは、前のページのチュートリアルの手順をすでに実施していることを前提としています。
始める前に
このチュートリアルでは、Google Cloud Console と Cloud Shell を使用して Google Cloud を操作します。または、Cloud Shell の代わりに Google Cloud CLI がインストールされている他の Bash シェルを使用することもできます。
- Google Cloud アカウントにログインします。Google Cloud を初めて使用する場合は、アカウントを作成して、実際のシナリオでの Google プロダクトのパフォーマンスを評価してください。新規のお客様には、ワークロードの実行、テスト、デプロイができる無料クレジット $300 分を差し上げます。
-
Google Cloud Console の [プロジェクト セレクタ] ページで、Google Cloud プロジェクトを選択または作成します。
-
Vertex AI and Cloud Functions API を有効にします。
-
Google Cloud Console の [プロジェクト セレクタ] ページで、Google Cloud プロジェクトを選択または作成します。
-
Vertex AI and Cloud Functions API を有効にします。
-
Google Cloud コンソールで、「Cloud Shell をアクティブにする」をクリックします。
Google Cloud コンソールの下部で Cloud Shell セッションが開始し、コマンドライン プロンプトが表示されます。Cloud Shell はシェル環境です。Google Cloud CLI がすでにインストールされており、現在のプロジェクトの値もすでに設定されています。セッションが初期化されるまで数秒かかることがあります。
-
Cloud Shell のプロンプトに
(PROJECT_ID)$
が表示されない場合(PROJECT_ID は Google Cloud プロジェクト ID で置き換えられています)、次のコマンドを実行して Cloud Shell を構成し、プロジェクトを使用します。gcloud config set project PROJECT_ID
Cloud Storage バケットを作成する
このチュートリアルの残りの部分で使用するリージョン Cloud Storage バケットを us-central1
リージョンに作成します。このチュートリアルを進めていくなかで、このバケットをいくつかの目的で使用します。
- カスタム トレーニング ジョブに使用する Vertex AI 用のトレーニング コードを保存する。
- カスタム トレーニング ジョブで出力されるモデル アーティファクトを保存する。
- Vertex AI エンドポイントから予測を取得するウェブアプリをホストする。
Cloud Storage バケットを作成するには、Cloud Shell セッションで次のコマンドを実行します。
gsutil mb -p PROJECT_ID -l us-central1 gs://BUCKET_NAME
以下を置き換えます。
- PROJECT_ID: Google Cloud プロジェクトの ID。
- BUCKET_NAME: バケットに付ける名前。例:
hello_custom_PROJECT_ID
バケット名の要件をご覧ください。
サンプルコードをダウンロードする
チュートリアルの残りの部分で使用するサンプルコードをダウンロードします。
gsutil cp gs://cloud-samples-data/ai-platform/hello-custom/hello-custom-sample-v1.tar.gz - | tar -xzv
必要に応じて、次のコマンドを実行して、サンプルコード ファイルを表示します。
ls -lpR hello-custom-sample
hello-custom-sample
ディレクトリには 4 つの項目があります。
trainer/
: 花の分類モデルをトレーニングするための TensorFlow Keras コードのディレクトリ。setup.py
: Vertex AI が使用できる Python ソース配布にtrainer/
ディレクトリをパッケージ化するための構成ファイル。function/
: ウェブブラウザから予測リクエストを受信し、前処理、Vertex AI への送信、予測レスポンスの処理を行ってブラウザに送り返す Cloud Functions の関数の Python コードのディレクトリ。webapp/
: Vertex AI から花の分類予測を取得するウェブアプリのコードとマークアップを含むディレクトリ。
次のステップ
このチュートリアルの次のページの手順に沿って Vertex AI でカスタム トレーニング ジョブを実行する。