이 페이지에서는 Vertex AI를 사용하도록 Google Cloud 프로젝트를 설정하고 학습용 TensorFlow 코드를 다운로드하는 과정을 안내합니다. 또한 예측을 가져오는 웹 앱의 코드도 다운로드하게 될 것입니다.
이 문서는 Vertex AI를 사용하여 이미지 분류 모델을 학습시키고 모델을 사용하여 예측을 수행하는 방법을 설명하는 'Hello 커스텀 학습' 튜토리얼의 일부입니다. 이 튜토리얼에서는 Vertex AI의 커스텀 학습 기능을 사용하여 Vertex AI의 사전 빌드된 컨테이너 환경 중 하나에서 TensorFlow Keras 학습 애플리케이션을 실행합니다. 이 커스텀 학습 작업은 머신러닝(ML) 모델을 학습시켜 꽃 이미지를 유형에 따라 분류합니다. ML 모델을 학습시킨 후 이 튜토리얼에서는 엔드포인트를 만들어 해당 엔드포인트에서 간단한 웹 앱으로 예측을 제공하는 방법을 보여줍니다.Google Cloud 콘솔에서 이 태스크에 대한 단계별 안내를 직접 수행하려면 둘러보기를 클릭합니다.
이 튜토리얼은 여러 페이지로 이루어져 있습니다.
프로젝트 및 환경 설정
각 페이지에서는 이 튜토리얼의 이전 페이지에서 안내를 이미 수행했다고 가정합니다.
시작하기 전에
이 튜토리얼에서는 전반적으로 Google Cloud Console 및 Cloud Shell을 사용하여 Google Cloud와 상호작용합니다. 또는 Cloud Shell 대신 Google Cloud CLI가 설치된 다른 Bash 셸을 사용할 수도 있습니다.
- Google Cloud 계정에 로그인합니다. Google Cloud를 처음 사용하는 경우 계정을 만들고 Google 제품의 실제 성능을 평가해 보세요. 신규 고객에게는 워크로드를 실행, 테스트, 배포하는 데 사용할 수 있는 $300의 무료 크레딧이 제공됩니다.
-
Google Cloud Console의 프로젝트 선택기 페이지에서 Google Cloud 프로젝트를 선택하거나 만듭니다.
-
API Vertex AI and Cloud Functions 사용 설정
-
Google Cloud Console의 프로젝트 선택기 페이지에서 Google Cloud 프로젝트를 선택하거나 만듭니다.
-
API Vertex AI and Cloud Functions 사용 설정
-
Google Cloud 콘솔에서 Cloud Shell을 활성화합니다.
Google Cloud 콘솔 하단에서 Cloud Shell 세션이 시작되고 명령줄 프롬프트가 표시됩니다. Cloud Shell은 Google Cloud CLI가 사전 설치된 셸 환경으로, 현재 프로젝트의 값이 이미 설정되어 있습니다. 세션이 초기화되는 데 몇 초 정도 걸릴 수 있습니다.
-
Cloud Shell이 프롬프트에
(PROJECT_ID)$를 표시하지 않는 경우 (여기서 PROJECT_ID는 Google Cloud 프로젝트 ID로 바꿈) 다음 명령어를 실행하여 프로젝트를 사용할 Cloud Shell을 구성하세요.gcloud config set project PROJECT_ID
Cloud Storage 버킷 만들기
이 튜토리얼의 나머지 섹션에서 사용할 리전 Cloud Storage 버킷을 us-central1 리전에 만듭니다. 튜토리얼을 따라가는 동안 여러 가지 용도로 버킷을 사용하게 될 것입니다.
- Vertex AI의 커스텀 학습 작업에서 사용할 학습 코드 저장
- 커스텀 학습 작업에서 출력하는 모델 아티팩트 저장
- Vertex AI 엔드포인트에서 예측을 가져오는 웹 앱 호스팅
Cloud Storage 버킷을 만들려면 Cloud Shell 세션에서 다음 명령어를 실행합니다.
gsutil mb -p PROJECT_ID -l us-central1 gs://BUCKET_NAME
다음을 바꿉니다.
- PROJECT_ID: Google Cloud 프로젝트의 ID입니다.
- BUCKET_NAME: 선택한 버킷 이름입니다. 예를 들면
hello_custom_PROJECT_ID입니다. 버킷 이름 요구사항에 대해 알아보세요.
샘플 코드 다운로드
튜토리얼의 나머지 부분에 사용할 샘플 코드를 다운로드합니다.
gsutil cp gs://cloud-samples-data/ai-platform/hello-custom/hello-custom-sample-v1.tar.gz - | tar -xzv
선택적으로 샘플 코드 파일을 보려면 다음 명령어를 실행합니다.
ls -lpR hello-custom-sample
hello-custom-sample 디렉터리에는 4개의 항목이 있습니다.
trainer/: 꽃 분류 모델을 학습하는 TensorFlow Keras 코드 디렉터리입니다.setup.py:trainer/디렉터리를 Vertex AI가 사용할 수 있는 Python 소스 배포로 패키징하기 위한 구성 파일입니다.function/: Cloud 함수의 Python 코드 디렉터리로서, 웹브라우저에서 예측 요청을 받아 사전 처리하고 요청을 Vertex AI로 전송하며 예측 응답을 처리한 후 이를 브라우저에 다시 전송할 수 있습니다.webapp/: Vertex AI에서 꽃 분류 예측을 가져오는 웹 앱의 코드 및 마크업이 포함된 디렉터리입니다.
다음 단계
이 튜토리얼의 다음 페이지에 따라 Vertex AI에서 커스텀 학습 작업을 실행합니다.