Entrenamiento personalizado de Hello: configura tu proyecto y entorno

En esta página, se explica cómo configurar tu Google Cloud proyecto para usar Vertex AI y descargar código de TensorFlow para el entrenamiento. También descargarás un código de aplicación web que obtiene predicciones.

En este instructivo, se incluyen las siguientes páginas:

  1. Configura tu proyecto y tu entorno.

  2. Entrena un modelo de clasificación de imágenes personalizado.

  3. Entrega predicciones desde un modelo de clasificación de imágenes personalizado.

  4. Limpia tu proyecto.

En cada página, se supone que ya realizaste las instrucciones de las páginas anteriores del instructivo.

Antes de comenzar

Durante este instructivo, usa Google Cloud la consola y Cloud Shell para interactuar con Google Cloud. Como alternativa, en lugar de Cloud Shell, puedes usar otro shell de Bash con Google Cloud CLI instalada.

  1. Accede a tu Google Cloud cuenta de. Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  3. Verify that billing is enabled for your Google Cloud project.

  4. Enable the Vertex AI and Cloud Run functions APIs.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the APIs

  5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  6. Verify that billing is enabled for your Google Cloud project.

  7. Enable the Vertex AI and Cloud Run functions APIs.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the APIs

    8.

  8. En la Google Cloud consola, activa Cloud Shell.

    Activa Cloud Shell

    En la parte inferior de la Google Cloud consola, se inicia una sesión de Cloud Shell en la que se muestra una ventana de línea de comandos. Cloud Shell es un entorno de shell con Google Cloud CLI ya instalada y con valores ya establecidos para el proyecto actual. La sesión puede tardar unos segundos en inicializarse.

  9. Si Cloud Shell no muestra (PROJECT_ID)$ en su mensaje (donde PROJECT_ID se reemplaza por el Google Cloud ID de tu proyecto), ejecuta el siguiente comando para configurar Cloud Shell para usar tu proyecto:

    gcloud config set project PROJECT_ID

Cree un bucket de Cloud Storage

Crea un bucket regional de Cloud Storage en la región us-central1 para usar en el resto de este instructivo. A medida que sigues el instructivo, usa el bucket para diversos propósitos:

  • Almacena código de entrenamiento para que Vertex AI lo use en un trabajo de entrenamiento personalizado.
  • Almacena los artefactos del modelo que genera tu trabajo de entrenamiento personalizado.
  • Aloja la app web que obtiene predicciones de tu extremo de Vertex AI.

Para crear el bucket de Cloud Storage, ejecuta el siguiente comando en tu sesión de Cloud Shell:

gcloud storage buckets create gs://BUCKET_NAME --project=PROJECT_ID --location=us-central1

Reemplaza lo siguiente:

  • PROJECT_ID: Es el ID de tu Google Cloud proyecto.
  • BUCKET_NAME: Es el nombre que elijas para tu bucket. Por ejemplo, hello_custom_PROJECT_ID Obtén más información sobre los requisitos para los nombres de los buckets.

Descarga el código de muestra

Descarga el código de muestra para usar en el resto del instructivo.

gcloud storage cp gs://cloud-samples-data/ai-platform/hello-custom/hello-custom-sample-v1.tar.gz - | tar -xzv

Para ver los archivos de código de muestra de manera opcional, ejecuta el siguiente comando:

ls -lpR hello-custom-sample

El directorio hello-custom-sample tiene cuatro elementos:

  • trainer/: Un directorio del código de Keras de TensorFlow para entrenar el modelo de clasificación de flores.

  • setup.py: Un archivo de configuración para empaquetar el directorio trainer/ en una distribución de fuente de Python que Vertex AI puede usar.

  • function/: Un directorio de código de Python para una función de Cloud Run que puede recibir y procesar de forma previa solicitudes de predicción desde un navegador web, enviarlas a Vertex AI, procesar la respuestas de predicción y enviarlas al navegador.

  • webapp/: Un directorio con código y lenguaje de marcado para una aplicación web que obtiene predicciones de clasificación de flores de Vertex AI.

¿Qué sigue?

Sigue las instrucciones en la siguiente página de este instructivo para ejecutar un trabajo de entrenamiento personalizado en Vertex AI.

Anterior
Descripción general
Siguiente
Entrena un modelo de clasificación de imágenes personalizadas