使用 Gemini Enterprise Agent Platform 和 Python SDK 訓練模型

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

  1. 事前準備:建立 Google Cloud帳戶和專案。

  2. 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。

  3. 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。

  4. 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。

  5. 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。

  6. 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:

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。