Guia de início rápido do modelo hospedado no Cloud

Este guia de início rápido aborda os seguintes processos:

  • Como copiar um conjunto de imagens para o Google Cloud Storage.
  • Como criar um CSV listando imagens e os rótulos delas.
  • Como usar o AutoML Vision para criar um conjunto de dados e treinar e implantar seu modelo.

Antes de começar

Criar o projeto

  1. Faça login na sua conta do Google.

    Se você ainda não tiver uma, inscreva-se.

  2. No Console do Cloud, na página de seletor de projetos, selecione ou crie um projeto do Cloud.

    Acessar a página do seletor de projetos

  3. Verifique se a cobrança está ativada para o seu projeto do Google Cloud. Saiba como confirmar se a cobrança está ativada para o seu projeto.

  4. Ative as APIs AutoML and Cloud Storage.

    Ative as APIs

  5. Instale a ferramenta de linha de comando gcloud.
  6. Siga as instruções para criar uma conta de serviço e fazer o download de um arquivo de chave para a conta.
  7. Defina a variável de ambiente GOOGLE_APPLICATION_CREDENTIALS para o caminho até o arquivo de chave da conta de serviço que você salvou quando criou essa conta.
    export GOOGLE_APPLICATION_CREDENTIALS=key-file
  8. Defina a variável de ambiente PROJECT_ID como seu ID do projeto.
    export PROJECT_ID=your-project-id
    As chamadas de API AutoML e os nomes dos recursos incluem seu código do projeto. A variável de ambiente PROJECT_ID é uma maneira conveniente de especificar o ID.
  9. Se você for o proprietário do projeto, adicione sua conta de serviço ao papel do IAM Editor do AutoML, substituindo service-account-name pelo nome da nova conta de serviço. Por exemplo, service-account1@myproject.iam.gserviceaccount.com.
    gcloud auth login
    gcloud projects add-iam-policy-binding $PROJECT_ID \
       --member="serviceAccount:service-account-name" \
       --role="roles/automl.editor"
    
  10. Se você não for proprietário do projeto, peça para ele adicionar seu ID do usuário e sua conta de serviço ao papel do IAM de Editor do AutoML.

Criar um bucket do Cloud Storage

Use o Cloud Shell, uma linha de comando do Linux baseada em navegadores conectados ao seu projeto do Console do Cloud, para criar seu bucket do Cloud Storage:

  1. Abra o Cloud Shell.

  2. Crie um bucket do Google Cloud Storage. O nome do bucket precisa estar no formato: project-id-vcm.

    O comando a seguir cria um bucket de armazenamento denominado project-id-vcm na região us-central1. Para ver uma lista completa das regiões disponíveis, consulte a página Locais de buckets.

    gsutil mb -p ${PROJECT_ID} -c regional -l us-central1 gs://${PROJECT_ID}-vcm/

  3. Defina a variável BUCKET.

    export BUCKET=${PROJECT_ID}-vcm

Copiar imagens de amostra para seu bucket

Em seguida, copie o conjunto de dados de flores usado nesta postagem do blog do Tensorflow (em inglês). As imagens são armazenadas em um bucket público do Cloud Storage para que você possa copiá-las diretamente de lá para seu próprio bucket.

  1. Na sua sessão do Cloud Shell, insira:

    gsutil -m cp -R gs://cloud-ml-data/img/flower_photos/ gs://${BUCKET}/img/
    

    A cópia do arquivo leva cerca de 20 minutos para ser concluída.

Criar o arquivo CSV

O conjunto de dados de amostra contém um arquivo CSV com todos os locais de imagem e os rótulos para cada imagem. Você usará isso para criar seu próprio arquivo CSV:

  1. Atualize o arquivo .csv para apontar para os arquivos em seu próprio bucket:

    gsutil cat gs://${BUCKET}/img/flower_photos/all_data.csv | sed "s:cloud-ml-data:${BUCKET}:" > all_data.csv
    
  2. Copie o arquivo CSV para seu bucket:

    gsutil cp all_data.csv gs://${BUCKET}/csv/
    

Criar seu conjunto de dados

Acesse a IU do AutoML Vision para iniciar o processo de criação do conjunto de dados e treinar seu modelo.

Quando solicitado, selecione o projeto usado para o bucket do Cloud Storage.

  1. Na página do AutoML Vision, clique em Novo conjunto de dados:

    Novo botão do conjunto de dados no console

  2. Especifique um nome para ele. Clique no sinal de adição ("+") para continuar.

    Novo campo de nome do conjunto de dados

  3. Na tela Selecionar arquivos para importar, escolha a opção Selecionar um arquivo CSV no Cloud Storage. Especifique o URI do Cloud Storage do seu arquivo CSV. Para este guia de início rápido, o arquivo CSV está em:

    • gs://${PROJECT_ID}-vcm/csv/all_data.csv

    Substitua PROJECT_ID pelo ID do projeto específico.

    Selecionar a janela

  4. Clique em Continuar para iniciar a importação da imagem. O processo de importação leva alguns minutos. Quando estiver concluído, você será direcionado para a próxima página, que contém detalhes sobre todas as imagens identificadas para seu conjunto de dados, tanto imagens rotuladas como não rotuladas.

    Imagens listadas após a conclusão da importação

Treinar o modelo

  1. Depois que o conjunto de dados tiver sido criado e processado, selecione a guia Treinar para iniciar o treinamento do modelo.

    selecionar guia Treinar

  2. Selecione Iniciar treinamento para continuar. Isso abrirá uma janela Treinar novo modelo com opções de treinamento.

  3. Na seção Definir seu modelo da nova janela de treinamento do modelo, altere o nome do modelo (opcional) e selecione a opção de opção Hospedado na nuvem. Selecione Continuar para ir à seção a seguir.

    definir a seção do modelo para treinamento

  4. Na seção Definir um orçamento por hora de uso do nó, aceite o orçamento de nó sugerido (32 hora de uso do nó).

    Treinar modelo do Edge

  5. Selecione "Iniciar treinamento" para começar o treinamento do modelo.

    O treinamento é iniciado para seu modelo. Esse processo leva cerca de uma hora. O treinamento pode ser interrompido antes da hora do nó selecionada. O serviço enviará um e-mail para você assim que o treinamento for concluído ou se ocorrer algum erro.

Usar o modelo personalizado

Depois que seu modelo for treinado, será possível usá-lo para rotular imagens com seu modelo personalizado. Selecione a guia Testar e usar.

Se você não escolheu a implantação automática, será necessário implantar o modelo antes de fazer as previsões.

Fazer uma previsão

Clique na guia Prever para ver instruções sobre o envio de uma imagem ao seu modelo para uma previsão. Também é possível consultar Como fazer uma previsão on-line ou Como fazer previsões em lote para mais exemplos.

Limpar

É possível excluir seu modelo personalizado ou conjunto de dados se você não precisa mais deles.

Para evitar cobranças desnecessárias do Google Cloud Platform, use o Console do GCP para excluir o projeto se ele não for necessário.

Remover a implantação do modelo

O modelo gera cobranças enquanto está implantado.

  1. Selecione a guia Testar e usar logo abaixo da barra de título.
  2. Selecione Remover implantação no banner abaixo do nome do seu modelo para abrir a janela relacionada.

    Menu pop-up de remover implantação

  3. Selecione Remover implantação para remover a implantação do modelo.

    Implantação do modelo

  4. Você receberá um e-mail quando a remoção da implantação do modelo for concluída.

Excluir o projeto (opcional)

Para evitar cobranças desnecessárias do Google Cloud Platform, use o Console do Cloud para excluir o projeto se ele não for mais necessário.

A seguir