Se prevedi di utilizzare l'SDK Vertex AI per Python, assicurati che l'account di servizio che inizializza il client abbia il ruolo IAM Agente di servizio Vertex AI (roles/aiplatform.serviceAgent
).
Per questa parte del tutorial, configurerai il progetto Google Cloud in modo da utilizzare Vertex AI e un bucket Cloud Storage contenente i documenti per l'addestramento del tuo modello AutoML.
Questo tutorial è composto da varie pagine:
Configurazione del progetto e dell'ambiente in corso.
Addestramento di un modello di classificazione del testo AutoML.
Esegui il deployment del modello in un endpoint e invia una previsione.
Ogni pagina presuppone che tu abbia già eseguito le istruzioni dalle pagine precedenti del tutorial.
Configurazione del progetto e dell'ambiente
Completa i seguenti passaggi prima di utilizzare la funzionalità Vertex AI.
-
In the Google Cloud console, go to the project selector page.
-
Select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
- Apri Cloud Shell. Cloud Shell è un ambiente shell interattivo per Google Cloud che ti consente di gestire progetti e risorse dal tuo browser web. Vai a Cloud Shell
- In Cloud Shell, imposta il progetto attuale sul tuo ID progetto Google Cloud e archivialo nella variabile shell
projectid
:gcloud config set project PROJECT_ID && projectid=PROJECT_ID && echo $projectid
Sostituisci PROJECT_ID con il tuo ID progetto. Puoi individuare il tuo ID progetto nella console Google Cloud. Per maggiori informazioni, consulta Trovare l'ID progetto. -
Abilita le API IAM, Compute Engine, Notebooks, Cloud Storage, and Vertex AI.
gcloud services enable iam.googleapis.com
compute.googleapis.com notebooks.googleapis.com storage.googleapis.com aiplatform.googleapis.com -
Concedi i ruoli al tuo Account Google. Esegui questo comando una volta per ciascuno dei seguenti ruoli IAM:
roles/aiplatform.user, roles/storage.admin
gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE
- Sostituisci
PROJECT_ID
con l'ID progetto. - Sostituisci
EMAIL_ADDRESS
con il tuo indirizzo email. - Sostituisci
ROLE
con ogni singolo ruolo.
Il ruolo IAM Utente Vertex AI ( - Sostituisci
roles/aiplatform.user
)
fornisce l'accesso per utilizzare tutte le risorse di Vertex AI. Storage Admin (roles/storage.admin
) consente di archiviare il set di dati di addestramento del documento in Cloud Storage.
Crea un bucket Cloud Storage e copia il set di dati di esempio
Crea un bucket Cloud Storage per archiviare i documenti che utilizzi per addestrare il modello AutoML.
Imposta la variabile PROJECT_ID sull'ID del tuo progetto.
export PROJECT_ID=PROJECT_ID
Imposta la variabile BUCKET che utilizzerai per creare un bucket Cloud Storage.
export BUCKET=${PROJECT_ID}-lcm
Crea un bucket Cloud Storage nella regione
us-central1
con la variabileBUCKET
.gsutil mb -p ${PROJECT_ID} -l us-central1 gs://${BUCKET}/
Copia il set di dati di addestramento di esempio
happiness.csv
nel tuo bucket.gsutil -m cp -R gs://cloud-ml-data/NL-classification/happiness.csv gs://${BUCKET}/text/
Passaggi successivi
Segui la pagina successiva di questo tutorial per utilizzare la console Vertex AI per creare un set di dati di classificazione del testo e importare i documenti copiati nel bucket Cloud Storage.