Cette page explique comment configurer votre projet Google Cloud pour utiliser Agent Platform et télécharger du code TensorFlow pour l'entraînement. Vous allez également télécharger le code d'une application Web qui obtient des prédictions.
Ce tutoriel comporte plusieurs pages :Configurer votre projet et votre environnement.
Entraîner un modèle de classification d'images personnalisé.
Effectuer des prédictions à partir d'un modèle de classification d'images personnalisé.
Chaque page suppose que vous avez déjà effectué les instructions des pages précédentes du tutoriel.
Avant de commencer
Tout au long de ce tutoriel, utilisez la console Google Cloud et Cloud Shell pour interagir avec Google Cloud. Sinon, au lieu de Cloud Shell, vous pouvez utiliser un autre shell Bash lorsque la Google Cloud CLI est installée.
- Connectez-vous à votre compte Google Cloud . Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $de crédits sans frais pour exécuter, tester et déployer des charges de travail.
-
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 theresourcemanager.projects.createpermission. Learn how to grant roles.
-
Verify that billing is enabled for your Google Cloud project.
Enable the Agent Platform 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 theserviceusage.services.enablepermission. Learn how to grant roles.-
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 theresourcemanager.projects.createpermission. Learn how to grant roles.
-
Verify that billing is enabled for your Google Cloud project.
Enable the Agent Platform 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 theserviceusage.services.enablepermission. Learn how to grant roles.-
Dans la console Google Cloud , activez Cloud Shell.
En bas de la console Google Cloud , une session Cloud Shell démarre et affiche une invite de ligne de commande. Cloud Shell est un environnement shell dans lequel Google Cloud CLI est déjà installé, et dans lequel des valeurs sont déjà définies pour votre projet actuel. L'initialisation de la session peut prendre quelques secondes.
-
Si Cloud Shell n'affiche pas
(PROJECT_ID)$dans son invite (où PROJECT_ID est remplacé par l'ID de votre projet Google Cloud ), exécutez la commande suivante pour configurer Cloud Shell de manière à utiliser votre projet :gcloud config set project PROJECT_ID
Créer un bucket Cloud Storage
Dans la région us-central1, créez un bucket Cloud Storage régional à utiliser pour la suite de ce tutoriel. Pendant ce tutoriel, vous utiliserez le bucket à plusieurs fins :
- Stocker le code d'entraînement qu'Agent Platform utilisera dans une tâche d'entraînement personnalisé.
- Stocker des artefacts de modèle générés par votre tâche d'entraînement personnalisé.
- Hébergez l'application Web qui obtient les prédictions à partir de votre point de terminaison Agent Platform.
Pour créer le bucket Cloud Storage, exécutez la commande suivante dans votre session Cloud Shell :
gcloud storage buckets create gs://BUCKET_NAME --project=PROJECT_ID --location=us-central1
Remplacez les éléments suivants :
- PROJECT_ID : ID de votre projet Google Cloud .
- BUCKET_NAME : nom que vous choisissez pour votre bucket. Exemple :
hello_custom_PROJECT_ID. Consultez les consignes de dénomination des buckets.
Télécharger l'exemple de code
Téléchargez l'exemple de code à utiliser pour le reste du tutoriel.
gcloud storage cp gs://cloud-samples-data/ai-platform/hello-custom/hello-custom-sample-v1.tar.gz - | tar -xzv
Pour afficher les exemples de fichiers de code, exécutez la commande suivante:
ls -lpR hello-custom-sample
Le répertoire hello-custom-sample contient quatre éléments :
trainer/: répertoire du code TensorFlow Keras pour l'entraînement du modèle de classification de fleurs.setup.py: fichier de configuration permettant d'empaqueter le répertoiretrainer/dans une distribution source Python qu'Agent Platform peut utiliser.function/: répertoire de code Python pour une fonction Cloud Run permettant de recevoir et prétraiter les requêtes de prédiction à partir d'un navigateur Web, de les envoyer à Agent Platform, de traiter les réponses de prédiction et de les renvoyer au navigateur.webapp/: répertoire contenant le code et le balisage d'une application Web qui obtient des prédictions de classification de fleurs à partir d'Agent Platform.
Étapes suivantes
Suivez la page suivante de ce tutoriel pour exécuter une tâche d'entraînement personnalisée sur Agent Platform.