Ce tutoriel explique comment créer un modèle pour classer des contenus à l'aide de Vertex AI. Ce tutoriel entraîne un modèle AutoML à l'aide d'un corpus de "moments de bonheur" vécus par des utilisateurs, issu de l'ensemble de données Open Source HappyDB de Kaggle. Le modèle qui en résulte classe les moments heureux en catégories qui reflètent les causes du bonheur.
Pour obtenir des conseils détaillés sur cette tâche directement dans la console, cliquez sur Visite guidée :
La procédure décrite dans les sections suivantes, est la même que si vous cliquez sur Visite guidée.
Dans cette partie du tutoriel, vous allez configurer votre projet Google Cloud pour qu'il utilise Vertex AI et un bucket Cloud Storage contenant les documents nécessaires à l'entraînement de votre modèle AutoML.
Ce tutoriel comporte plusieurs pages :
Configurer votre projet et votre environnement.
Déployer le modèle sur un point de terminaison et effectuer une prédiction.
Chaque page suppose que vous avez déjà effectué les instructions des pages précédentes du tutoriel.
Configurer votre projet
Tout au long de ce tutoriel, utilisez Google Cloud Console pour interagir avec Google Cloud. Suivez les étapes ci-dessous avant d'utiliser la fonctionnalité Vertex AI.
- Connectez-vous à votre compte Google Cloud. Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $ de crédits gratuits pour exécuter, tester et déployer des charges de travail.
-
Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.
-
Assurez-vous que la facturation est activée pour votre projet Cloud. Découvrez comment vérifier si la facturation est activée sur un projet.
-
Activez l'API Vertex AI
-
Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.
-
Assurez-vous que la facturation est activée pour votre projet Cloud. Découvrez comment vérifier si la facturation est activée sur un projet.
-
Activez l'API Vertex AI
-
Dans la console, activez Cloud Shell.
En bas de la fenêtre de la console, une session Cloud Shell démarre et affiche une invite de ligne de commande. Cloud Shell est un environnement shell dans lequel Google Cloud CLI est déjà installé, et dans lequel des valeurs sont déjà définies pour votre projet actuel. L'initialisation de la session peut prendre quelques secondes.
Créer un bucket Cloud Storage et copier l'exemple d'ensemble de données
Créez un bucket Cloud Storage pour stocker les documents qui serviront à entraîner le modèle AutoML.
Définissez la variable PROJECT_ID sur l'ID de votre projet.
export PROJECT_ID=PROJECT_ID
Définissez la variable BUCKET, que vous utiliserez pour créer un bucket Cloud Storage.
export BUCKET=${PROJECT_ID}-lcm
Créez un bucket Cloud Storage dans la région
us-central1
avec la variableBUCKET
.gsutil mb -p ${PROJECT_ID} -l us-central1 gs://${BUCKET}/
Copiez l'exemple d'ensemble de données d'entraînement
happiness.csv
dans votre bucket.gsutil -m cp -R gs://cloud-ml-data/NL-classification/happiness.csv gs://${BUCKET}/text/
Étape suivante
Suivez la page suivante de ce tutoriel pour utiliser la console Vertex AI afin de créer un ensemble de données de classification de texte et d'importer les documents que vous avez copiés dans votre bucket Cloud Storage.