Datos de texto de Hello: Configura tu proyecto y tu entorno

Si planeas usar el SDK de Vertex AI para Python, asegúrate de que la cuenta de servicio que inicializa el cliente tenga el rol Vertex AI Service Agent (roles/aiplatform.serviceAgent) de IAM.

En esta parte del instructivo, configuras tu proyecto de Google Cloud para usar Vertex AI y un bucket de Cloud Storage que contiene los documentos para entrenar tu modelo de AutoML.

En este instructivo, se incluyen las siguientes páginas:

  1. Configura tu proyecto y tu entorno.

  2. Crea un conjunto de datos de clasificación de texto.

  3. Entrena un modelo de clasificación de texto de AutoML.

  4. Implementa el modelo en un extremo y realiza una predicción.

  5. Limpia tu proyecto.

En cada página, se supone que ya realizaste las instrucciones de las páginas anteriores del instructivo.

Configure su proyecto y su entorno.

Completa los pasos siguientes antes de usar la funcionalidad de Vertex AI.

  1. En la consola de Google Cloud, ve a la página del selector de proyectos.

    Ir al selector de proyectos

  2. Selecciona o crea un proyecto de Google Cloud.

  3. Comprueba que la facturación esté habilitada en tu proyecto.

    Descubre cómo puedes habilitar la facturación

  4. Abre Cloud Shell. Cloud Shell es un entorno de shell interactivo para Google Cloud que te permite administrar proyectos y recursos desde el navegador web.
  5. Ir a Cloud Shell
  6. En Cloud Shell, establece el proyecto actual como el ID del proyecto de Google Cloud y guárdalo en la variable de shell projectid:
      gcloud config set project PROJECT_ID &&
      projectid=PROJECT_ID &&
      echo $projectid
    Reemplaza PROJECT_ID con el ID del proyecto. Puedes ubicar el ID del proyecto en la consola de Google Cloud. Para obtener más información, consulta Encuentra el ID del proyecto.
  7. Habilita las APIs de 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
  8. Otorga roles a tu Cuenta de Google. Ejecuta el siguiente comando una vez para cada uno de los siguientes roles de IAM: roles/aiplatform.user, roles/storage.admin

    gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE
    • Reemplaza PROJECT_ID con el ID del proyecto.
    • Reemplaza EMAIL_ADDRESS por tu dirección de correo electrónico.
    • Reemplaza ROLE por cada rol individual.
  9. El rol de usuario de Vertex AI (roles/aiplatform.user) IAM proporciona acceso para usar todos los recursos en Vertex AI. El administrador de almacenamiento (roles/storage.admin) te permite almacenar el conjunto de datos de entrenamiento del documento en Cloud Storage.

Cree un bucket de Cloud Storage y copie el conjunto de datos de muestra

Crea un bucket de Cloud Storage para almacenar los documentos que usas para entrenar tu modelo de AutoML.

  1. Abre Cloud Shell.

  2. Configura la variable PROJECT_ID como el ID de tu proyecto.

    export PROJECT_ID=PROJECT_ID
  3. Configura la variable BUCKET, que usas para crear un bucket de Cloud Storage.

    export BUCKET=${PROJECT_ID}-lcm
  4. Crea un bucket de Cloud Storage en la región us-central1 con la variable BUCKET.

    gsutil mb -p ${PROJECT_ID} -l us-central1 gs://${BUCKET}/
  5. Copia el conjunto de datos de entrenamiento de muestra happiness.csv en tu bucket.

    gsutil -m cp -R gs://cloud-ml-data/NL-classification/happiness.csv gs://${BUCKET}/text/

¿Qué sigue?

Sigue la página siguiente de este instructivo para usar la consola de Vertex AI a fin de crear un conjunto de datos de clasificación de textos y, luego, importar los documentos que copiaste en tu bucket de Cloud Storage.