Hello 文字資料：設定專案和環境

自 2024 年 9 月 15 日起，您只能改用 Vertex AI Gemini 提示並進行調整，才能自訂分類、實體擷取和情緒分析目標。您將無法再訓練或更新 Vertex AI AutoML 的文字分類、實體擷取和情緒分析目標模型。您可以繼續使用現有的 Vertex AI AutoML Text 模型，直到 2025 年 6 月 15 日為止。如要比較 AutoML 文字和 Gemini，請參閱「AutoML 文字使用者的 Gemini」。如要進一步瞭解 Gemini 如何透過改善提示功能提供更優質的使用者體驗，請參閱「調校簡介」。如要開始調整，請參閱「Gemini 文字模型的模型調整」

如需更多資訊，請在下列任一環境中執行「建立、訓練及部署 AutoML 文字分類模型」Jupyter 筆記本：

在 Colab 中開啟 | 在 Colab Enterprise 中開啟 | 在 Vertex AI Workbench 使用者管理的筆記本中開啟 | 在 GitHub 上查看

如果您打算使用 Vertex AI SDK for Python，請確認初始化用戶端的服務帳戶具備 Vertex AI 服務代理 (roles/aiplatform.serviceAgent) IAM 角色。

在本教學課程的這一部分，您將設定 Google Cloud 專案，以便使用 Vertex AI 和 Cloud Storage 值區，其中包含用於訓練 AutoML 模型的文件。

本教學課程包含多個頁面：

1. 設定專案和環境。

2. 建立文字分類資料集。

3. 訓練 AutoML 文字分類模型。

4. 將模型部署至端點，並傳送預測結果。

5. 清除專案所用資源。

每個頁面都假設您已執行教學課程先前頁面中的操作說明。

設定專案和環境

請先完成下列步驟，再使用 Vertex AI 功能。

1. In the Google Cloud console, go to the project selector page.

   Go to project selector

2. Select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

3. Make sure that billing is enabled for your Google Cloud project.

4. 開啟 Cloud Shell。 Cloud Shell 是 Google Cloud 的互動式殼層環境，可讓您透過網路瀏覽器管理專案和資源。
前往 Cloud Shell
5. 在 Cloud Shell 中，將目前的專案設為您的 Google Cloud專案 ID，並儲存在 projectid 殼層變數中：

     gcloud config set project PROJECT_ID &&
     projectid=PROJECT_ID &&
     echo $projectid

   請將 PROJECT_ID 替換為您的專案 ID。您可以在 Google Cloud 控制台中找到專案 ID。詳情請參閱「找出專案 ID」。

6. 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

7. 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:[e-mail].

   • Replace ROLE with each individual role.
Vertex AI 使用者 (roles/aiplatform.user) IAM 角色可提供使用 Vertex AI 中所有資源的存取權。儲存空間管理員 (roles/storage.admin) 可讓您將文件的訓練資料集儲存在 Cloud Storage 中。

建立 Cloud Storage 值區並複製範例資料集

建立 Cloud Storage 值區，以儲存用於訓練 AutoML 模型的文件。

1. 開啟 Cloud Shell。

2. 將 PROJECT_ID 變數設為專案 ID。

   export PROJECT_ID=PROJECT_ID

3. 設定 BUCKET 變數，用於建立 Cloud Storage 值區。

   export BUCKET=${PROJECT_ID}-lcm

4. 使用 BUCKET 變數，在 us-central1 區域建立 Cloud Storage 值區。

   gcloud storage buckets create gs://${BUCKET}/ --project=${PROJECT_ID} --location=us-central1

5. 將 happiness.csv 訓練資料樣本複製到您的值區。

   gcloud storage cp gs://cloud-ml-data/NL-classification/happiness.csv gs://${BUCKET}/text/ --recursive

後續步驟

請參閱本教學課程的下一頁，瞭解如何使用 Vertex AI 控制台建立文字分類資料集，並匯入複製至 Cloud Storage 值區的文件。