Hello 自定义训练：设置项目和环境

本页面逐步演示了如何设置 Google Cloud 项目以使用 Vertex AI，以及如何下载一些 TensorFlow 代码以进行训练。您还将下载获取预测结果的 Web 应用的代码。

本文档是“Hello 自定义训练”教程的一部分，该教程逐步演示如何使用 Vertex AI 训练图片分类模型以及使用模型执行预测。在本教程中，您将使用 Vertex AI 的自定义训练功能在 Vertex AI 的预构建容器环境中运行 TensorFlow Keras 训练应用。此自定义训练作业将训练一个机器学习模型，以根据花卉类型对花卉图片进行分类。训练机器学习模型后，本教程将介绍如何创建端点，并从该端点向简单的 Web 应用提供预测结果。

如需在 Google Cloud 控制台中直接遵循有关此任务的分步指导，请点击操作演示：

操作演示

本教程包含多个页面：

  1. 设置项目和环境。

  2. 训练自定义图片分类模型。

  3. 提供自定义图片分类模型的预测结果。

  4. 清理项目。

每个页面均假定您已经按照本教程中之前页面的说明操作。

准备工作

在本教程中，您将使用 Google Cloud Console 和 Cloud Shell 与 Google Cloud 进行交互。或者，您页可以使用另一个安装了 Google Cloud CLI（而不是 Cloud Shell）的 Bash shell。

  1. 登录您的 Google Cloud 账号。如果您是 Google Cloud 新手，请创建一个账号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。

  2. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

    转到“项目选择器”

  3. 确保您的 Google Cloud 项目已启用结算功能。

  4. 启用 Vertex AI and Cloud Functions API。

    启用 API

    5.

  5. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

    转到“项目选择器”

  6. 确保您的 Google Cloud 项目已启用结算功能。

  7. 启用 Vertex AI and Cloud Functions API。

    启用 API

    8.

  8. 在 Google Cloud 控制台中，激活 Cloud Shell。

    激活 Cloud Shell

    Cloud Shell 会话随即会在 Google Cloud 控制台的底部启动，并显示命令行提示符。Cloud Shell 是一个已安装 Google Cloud CLI 且已为当前项目设置值的 Shell 环境。该会话可能需要几秒钟时间来完成初始化。

  9. 如果 Cloud Shell 未在提示符中显示 (PROJECT_ID)$（其中 PROJECT_ID 已替换为您的 Google Cloud 项目 ID），请运行以下命令将 Cloud Shell 配置为使用您的项目：

    gcloud config set project PROJECT_ID

创建 Cloud Storage 存储桶

在 us-central1 区域创建区域 Cloud Storage 存储分区，供本教程的其余部分使用。在本教程中，存储分区有以下用途：

  • 存储 Vertex AI 的训练代码，以便在自定义训练作业中使用。
  • 存储自定义训练作业输出的模型工件。
  • 托管从 Vertex AI 端点获取预测结果的 Web 应用。

要创建 Cloud Storage 存储分区，请在 Cloud Shell 会话中运行以下命令：

gsutil mb -p PROJECT_ID -l us-central1 gs://BUCKET_NAME

请替换以下内容：

  • PROJECT_ID：您的 Google Cloud 项目的 ID。
  • BUCKET_NAME：您为存储分区选择的名称。例如 hello_custom_PROJECT_ID。了解存储分区名称要求。

下载示例代码

下载示例代码供本教程的其余部分使用。

gsutil cp gs://cloud-samples-data/ai-platform/hello-custom/hello-custom-sample-v1.tar.gz - | tar -xzv

（可选）如需查看示例代码文件，请运行以下命令：

ls -lpR hello-custom-sample

hello-custom-sample 目录包含四项：

  • trainer/：用于训练花卉分类模型的 TensorFlow Keras 代码的目录。

  • setup.py：用于将 trainer/ 目录封装为 Vertex AI 可以使用的 Python 源分发软件包的配置文件。

  • function/：Cloud Functions 函数的 Python 代码的目录，可以从网络浏览器接收和预处理预测请求，将其发送到 Vertex AI，处理预测响应，并将其发送回浏览器。

  • webapp/：包含从 Vertex AI 获取花卉分类预测的 Web 应用的代码和标记的目录。

后续步骤

按照本教程的下一页，在 Vertex AI 上运行自定义训练作业。