Hello 文字資料：設定專案和環境

自 2024 年 9 月 15 日起，如要自訂分類、實體擷取和情緒分析目標，只能改用 Vertex AI Gemini 提示和微調功能。您將無法再訓練或更新 Vertex AI AutoML 的模型，以達成文字分類、實體擷取和情緒分析目標。您可以在 2025 年 6 月 15 日前，繼續使用現有的 Vertex AI AutoML Text 模型。如要比較 AutoML 文字和 Gemini，請參閱「適用於 AutoML 文字使用者的 Gemini」。如要進一步瞭解 Gemini 如何透過改良的提示功能提升使用者體驗，請參閱「微調簡介」。如要開始微調，請參閱「Gemini 文字模型微調

如要瞭解詳情，請在下列其中一個環境中執行「建立、訓練及部署 AutoML 文字分類模型」筆記本：

在 Colab 中開啟 | 在 Colab Enterprise 中開啟 | 在 Vertex AI Workbench 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有 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，以使用 Vertex AI 和 Cloud Storage bucket，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。

5. 清除專案所用資源。

各頁面都假設您已按照本教學課程先前頁面的指示操作。

設定專案和環境

使用 Vertex AI 功能前，請先完成下列步驟。

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 是一種互動式殼層環境，可讓您透過網路瀏覽器管理專案和資源。 Google Cloud
前往 Cloud Shell
5. 在 Cloud Shell 中，將目前的專案設為專案 ID，並儲存在 projectid 殼層變數中： Google Cloud

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

   將 PROJECT_ID 替換為專案 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 角色可授權存取 Vertex AI 中的所有資源。「儲存空間管理員」(roles/storage.admin) 可讓您將文件訓練資料集儲存在 Cloud Storage 中。

建立 Cloud Storage bucket 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 bucket。

   export BUCKET=${PROJECT_ID}-lcm

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

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

5. 將 happiness.csv 訓練資料集樣本複製到值區。

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

後續步驟

請按照本教學課程的下一頁操作，使用 Vertex AI 控制台建立文字分類資料集，並匯入您複製到 Cloud Storage bucket 的文件。