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。

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,您也可以使用安装了 Cloud SDK的 Bash shell(而不是 Cloud Shell)。

  1. 登录您的 Google Cloud 帐号。如果您是 Google Cloud 新手,请创建一个帐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 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 Cloud 项目已启用结算功能。 了解如何确认您的项目是否已启用结算功能

  4. 启用 Vertex AI and Cloud Functions API。

    启用 API

  5. 在 Google Cloud Console 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 Cloud 项目已启用结算功能。 了解如何确认您的项目是否已启用结算功能

  7. 启用 Vertex AI and Cloud Functions API。

    启用 API

  8. 在 Cloud Console 中,激活 Cloud Shell。

    激活 Cloud Shell

    Cloud Shell 会话随即会在 Cloud Console 的底部启动,并显示命令行提示符。Cloud Shell 是一个已安装 Cloud SDK 的 Shell 环境,其中包括 gcloud 命令行工具以及已为当前项目设置的值。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
    

1.创建 Cloud Storage 存储分区

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

2.下载示例代码

下载示例代码供本教程的其余部分使用。在 Cloud Shell 会话中运行以下命令,以下载、解压缩本教程的示例代码并导航到其目录:

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

(可选)运行以下命令来检查示例代码:

ls -lpR

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。