Introduzione ai dati di immagine: configura il progetto e l'ambiente

Se prevedi di utilizzare Google Cloud SDK per Python, assicurati che il account di servizio che inizializza il client abbia il ruolo IAM Agente di servizio Vertex AI (roles/aiplatform.serviceAgent).

Configura il tuo Google Cloud progetto per utilizzare Vertex AI. Poi crea un bucket Cloud Storage e copia i file di immagine da utilizzare per l'addestramento di un modello di classificazione di immagini AutoML.

Questo tutorial prevede diverse pagine:

1. Configura il progetto e l'ambiente.

2. Crea un set di dati di classificazione di immagini e importa le immagini.

3. Addestra un modello di classificazione di immagini AutoML model.

4. Valuta e analizza le prestazioni del modello.

5. Esegui il deployment di un modello in un endpoint e invia una previsione.

6. Libera spazio nel progetto.

Ogni pagina presuppone che tu abbia già eseguito le istruzioni delle pagine precedenti del tutorial.

Prima di iniziare

Completa i seguenti passaggi prima di utilizzare le funzionalità di Vertex AI.

1. Nella Google Cloud console, vai alla pagina di selezione del progetto.

   Vai al selettore di progetti

2. Seleziona o crea un Google Cloud progetto.

   Ruoli richiesti per selezionare o creare un progetto

   • Seleziona un progetto: la selezione di un progetto non richiede un ruolo IAM specifico. Puoi selezionare qualsiasi progetto su cui ti è stato concesso un ruolo.
   • Crea un progetto: per creare un progetto, devi disporre del ruolo Autore progetto (roles/resourcemanager.projectCreator), che contiene l' resourcemanager.projects.create autorizzazione. Scopri come concedere i ruoli.
   Nota: se non prevedi di conservare le risorse che crei in questa procedura, crea un progetto anziché selezionarne uno esistente. Al termine di questi passaggi, puoi eliminare il progetto, rimuovendo tutte le risorse associate.

3. Verifica che la fatturazione sia attivata per il tuo Google Cloud progetto.

4. Apri Cloud Shell. Cloud Shell è un ambiente shell interattivo che consente di gestire progetti e risorse da browser web. Google Cloud
Vai a Cloud Shell
5. In Cloud Shell, imposta il progetto attuale sull'ID progetto e archivialo nella variabile shell projectid shell variable: Google Cloud

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

   Sostituisci PROJECT_ID con il tuo ID progetto. Puoi trovare l'ID progetto nella Google Cloud console. Per ulteriori informazioni, consulta Trovare l'ID progetto.

6. Abilita le API IAM, Compute Engine, Notebooks, Cloud Storage e Vertex AI:

   Ruoli richiesti per abilitare le API

   Per abilitare le API, devi disporre del ruolo IAM Amministratore utilizzo servizi (roles/serviceusage.serviceUsageAdmin), che contiene l' serviceusage.services.enable autorizzazione. Scopri come concedere i ruoli.

   gcloud services enable iam.googleapis.com  compute.googleapis.com notebooks.googleapis.com storage.googleapis.com aiplatform.googleapis.com

7. Concedi i ruoli al tuo account utente. Esegui il seguente 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:USER_IDENTIFIER" --role=ROLE

   Sostituisci quanto segue:

   • PROJECT_ID: il tuo ID progetto.
   • USER_IDENTIFIER: l'identificatore del tuo account utente. Ad esempio, [e-mail].
   • ROLE: il ruolo IAM che concedi al tuo account utente.
Il ruolo IAM Utente della piattaforma agente (roles/aiplatform.user) fornisce l'accesso per utilizzare tutte le risorse in Vertex AI. Il ruolo Amministratore Storage (roles/storage.admin) consente di archiviare il set di dati di addestramento del documento in Cloud Storage.

Passaggi successivi

Segui la pagina successiva di questo tutorial per utilizzare la Google Cloud console per creare un set di dati di classificazione di immagini e importare le immagini ospitate in un bucket Cloud Storage pubblico.