本教學課程提供完整指南,說明如何使用 Agent Platform SDK for Python 建立自訂訓練模型。您會在筆記本 (IPYNB) 檔案中執行程式碼,該檔案會使用 Docker 容器訓練及建立模型。本教學課程適合剛接觸 Gemini Enterprise Agent Platform,但熟悉筆記本、Python 和機器學習 (ML) 工作流程的資料科學家。
首先,請使用 Google Cloud 控制台建立專案,用於存放工作內容。在專案中,您可以使用 Vertex AI Workbench 建立 Jupyter 筆記本。您可以在筆記本環境中執行程式碼,下載及準備資料集,然後使用資料集建立及訓練模型。教學課程結束時,訓練完成的模型會生成預測結果。
本教學課程旨在引導您完成所有必要步驟,在一小時內建立預測。使用的資料集相對較小,因此訓練模型不會花費太多時間。完成後,您可以將所學應用於較大的資料集。資料集越大,預測結果就越準確。
教學課程步驟
事前準備:建立 Google Cloud帳戶和專案。
建立筆記本:建立及準備 Jupyter 筆記本和環境。您可以使用筆記本執行程式碼,建立資料集、建立及訓練模型,以及生成預測結果。
建立資料集:下載公開的 BigQuery 資料集,然後用來建立 Gemini Enterprise Agent Platform 表格資料集。資料集包含用於訓練模型的資料。
建立訓練指令碼:建立要傳遞至訓練工作的 Python 指令碼。訓練工作訓練並建立模型時,系統會執行指令碼。
訓練模型:使用表格資料集訓練及部署模型。您可以使用模型建立預測。
進行預測:使用模型建立預測。本節也會逐步說明如何刪除執行本教學課程時建立的資源,以免產生不必要的費用。
完成的目標
本教學課程將逐步引導您使用 Agent Platform SDK for Python 執行下列操作:
- 建立 Cloud Storage bucket 來儲存資料集
- 預先處理訓練資料
- 使用處理過的資料在 BigQuery 建立資料集
- 使用 BigQuery 資料集建立 Gemini Enterprise Agent Platform 表格資料集
- 建立及訓練自訂訓練模型
- 將自訂訓練模型部署至端點
- 生成預測
- 取消部署模型
- 刪除教學課程中建立的所有資源,以免產生額外費用
使用的計費資源
本教學課程會使用與 Gemini Enterprise Agent Platform、BigQuery 和 Cloud Storage Google Cloud 服務相關聯的計費資源。詳情請參閱下列資源:
- Gemini Enterprise Agent Platform 定價和免付費的 Google Cloud 功能和試用優惠
- BigQuery 定價和 BigQuery 免費方案用量
- Cloud Storage 定價和 Cloud Storage 免費方案用量
- Google Cloud Pricing Calculator
為避免產生額外費用,本教學課程的最後一個步驟會引導您移除所有建立的可計費 Google Cloud 資源。