Si vous prévoyez d'utiliser le SDK Vertex AI pour Python, assurez-vous que le compte de service initialisant le client dispose du rôle Agent de service Vertex AI (roles/aiplatform.serviceAgent
).
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 et votre environnement
Suivez les étapes ci-dessous avant d'utiliser la fonctionnalité Vertex AI.
-
In the Google Cloud console, go to the project selector page.
-
Select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
- Ouvrez Cloud Shell. Cloud Shell est un environnement shell interactif pour Google Cloud qui vous permet de gérer vos projets et vos ressources depuis un navigateur Web. Accéder à Cloud Shell
- Dans Cloud Shell, définissez le projet actuel sur votre ID de projet Google Cloud et stockez-le dans la variable d'interface système
projectid
:gcloud config set project PROJECT_ID && projectid=PROJECT_ID && echo $projectid
Remplacez PROJECT_ID par l'ID du projet. Vous trouverez l'ID de votre projet dans la console Google Cloud. Pour en savoir plus, consultez la section Trouver votre ID de projet. -
Enable the IAM, Compute Engine, Notebooks, Cloud Storage, and Vertex AI APIs:
gcloud services enable iam.googleapis.com
compute.googleapis.com notebooks.googleapis.com storage.googleapis.com aiplatform.googleapis.com -
Grant roles to your user account. Run the following command once for each of the following IAM roles:
roles/aiplatform.user, roles/storage.admin
gcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE
- Replace
PROJECT_ID
with your project ID. -
Replace
USER_IDENTIFIER
with the identifier for your user account. For example,user:myemail@example.com
. - Replace
ROLE
with each individual role.
Le rôle IAM d'utilisateur Vertex AI ( - Replace
roles/aiplatform.user
) permet d'utiliser toutes les ressources dans Vertex AI. Le rôle Administrateur de l'espace de stockage (roles/storage.admin
) vous permet de stocker l'ensemble de données d'entraînement du document dans Cloud Storage.
Créer un bucket Cloud Storage et copier l'exemple d'ensemble de données
Créez un bucket Cloud Storage pour stocker les documents qui serviront à entraîner le modèle AutoML.
Définissez la variable PROJECT_ID sur l'ID de votre projet.
export PROJECT_ID=PROJECT_ID
Définissez la variable BUCKET, que vous utiliserez pour créer un bucket Cloud Storage.
export BUCKET=${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.