arrow_back

Vertex AI Workbench ノートブック: Qwik Start

参加 ログイン
Test and share your knowledge with our community!
done
Get access to over 700 hands-on labs, skill badges, and courses

Vertex AI Workbench ノートブック: Qwik Start

Lab 1時間 universal_currency_alt クレジット: 1 show_chart 入門
Test and share your knowledge with our community!
done
Get access to over 700 hands-on labs, skill badges, and courses

GSP076

Google Cloud セルフペース ラボ

概要

このラボでは、ローカルと Vertex AI Workbench の両方で TensorFlow 2.x のモデル トレーニングの実践演習を行います。トレーニングした後、モデルを Vertex AI にデプロイしてサービング（予測）を行う方法を学びます。ここでは、米国国勢調査の所得データセットを使用して任意の人物の所得カテゴリを予測するモデルをトレーニングします。

このラボでは、Vertex AI でのトレーニングと予測について、入門レベルの内容全般を扱います。国勢調査データセットを使用して次の作業を行います。

  • TensorFlow 2.x トレーニング アプリケーションを作成し、それをローカルで検証する
  • クラウド内の単一ワーカー インスタンスでトレーニング ジョブを実行する
  • 予測をサポートするモデルをデプロイする
  • オンライン予測をリクエストし、レスポンスを確認する

作業内容

このサンプルでは、米国国勢調査の所得データセットに基づいて所得のカテゴリを予測するために分類モデルを構築します。所得の 2 つのカテゴリ（ラベルとも呼ばれます）は次のとおりです。

  • >50K: 50,000 ドル超
  • <=50K: 50,000 ドル以下

このサンプルでは、Keras Sequential API を使用してモデルを定義します。 この国勢調査データセットに特化したデータ変換を定義してから、これらの適宜変換された特徴量をモデルの DNN または線形部分に割り当てます。

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの手順をお読みください。ラボの時間は記録されており、一時停止することはできません。[ラボを開始] をクリックするとスタートするタイマーは、Google Cloud のリソースを利用できる時間を示しています。

このハンズオンラボでは、シミュレーションやデモ環境ではなく、実際のクラウド環境を使ってご自身でラボのアクティビティを行うことができます。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

  • 標準的なインターネット ブラウザ（Chrome を推奨）
注: このラボの実行には、シークレット モードまたはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生することを防ぎます。
  • ラボを完了するために十分な時間を確保してください。ラボをいったん開始すると一時停止することはできません。
注: すでに個人の Google Cloud アカウントやプロジェクトをお持ちの場合でも、このラボでは使用しないでください。アカウントへの追加料金が発生する可能性があります。

ラボを開始して Google Cloud コンソールにログインする方法

  1. [ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるポップアップでお支払い方法を選択してください。 左側の [ラボの詳細] パネルには、以下が表示されます。

    • [Google コンソールを開く] ボタン
    • 残り時間
    • このラボで使用する必要がある一時的な認証情報
    • このラボを行うために必要なその他の情報（ある場合）

  2. [Google コンソールを開く] をクリックします。 ラボでリソースが起動し、別のタブで [ログイン] ページが表示されます。

    ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。

    注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。

  3. 必要に応じて、[ラボの詳細] パネルから [ユーザー名] をコピーして [ログイン] ダイアログに貼り付けます。[次へ] をクリックします。

  4. [ラボの詳細] パネルから [パスワード] をコピーして [ようこそ] ダイアログに貼り付けます。[次へ] をクリックします。

    重要: 認証情報は左側のパネルに表示されたものを使用してください。Google Cloud Skills Boost の認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。

  5. その後次のように進みます。

    • 利用規約に同意してください。
    • 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
    • 無料トライアルには登録しないでください。

その後このタブで Cloud Console が開きます。

注: 左上にある [ナビゲーション メニュー] をクリックすると、Google Cloud のプロダクトやサービスのリストが含まれるメニューが表示されます。 ナビゲーション メニュー アイコン

タスク 1. Vertex AI Workbench ノートブックを起動する

Vertex AI Workbench ノートブックを作成して起動するには:

  1. ナビゲーション メニュー ナビゲーション メニュー アイコン で、[Vertex AI] > [ワークベンチ] をクリックします。

  2. [ワークベンチ] ページで、[Notebooks API を有効にする] をクリックします（まだ有効になっていない場合）。

  3. [ユーザー管理のノートブック] タブをクリックしてから、[新規作成] をクリックします。

  4. ノートブックに名前を付けます。

  5. [リージョン] を 、[ゾーン] を に設定します。

  6. [新しいインスタンス] メニューの [環境] で、最新バージョンの [TensorFlow Enterprise 2.x] を選択します。

  7. [詳細オプション] をクリックして、インスタンスのプロパティを編集します。

  8. [マシンタイプ] をクリックし、マシンタイプとして [e2-standard-2] を選択します。

  9. 残りのフィールドはデフォルトのままにし、[作成] をクリックします。

数分後、[ワークベンチ] ページにインスタンス名が表示され、それに続いて [JupyterLab を開く] が表示されます。

  1. [JupyterLab を開く] をクリックして、新しいタブで JupyterLab を開きます。ビルドに beatrix jupyterlab を含める必要があるというメッセージが表示された場合は、無視してください。
注: [Build Recommended] というポップアップが表示された場合は、[Build] をクリックします。

タスク 2. Workbench インスタンス内でサンプル リポジトリのクローンを作成する

training-data-analyst リポジトリのクローンを JupyterLab インスタンス内に作成するには、次の手順を踏みます。

  1. JupyterLab で、[Terminal] アイコンをクリックして新しいターミナルを開きます。

ターミナルを開く

  1. コマンドライン プロンプトで、次のコマンドを入力して Enter キーを押します。
git clone https://github.com/GoogleCloudPlatform/training-data-analyst
  1. リポジトリのクローンが作成されたことを確認するには、左側のパネルの training-data-analyst フォルダをダブルクリックして、リポジトリのコンテンツを確かめます。

training-data-analyst ディレクトリ内のファイル

ノートブックでクローンが作成されるまでに数分かかります。

注: [Build Failed] というポップアップが表示された場合は、[Dismiss] をクリックしてメッセージを無視します。

サンプル ノートブックに移動する

  1. training-data-analyst/self-paced-labs/ai-platform-qwikstart に移動し、ai_platform_qwik_start.ipynb を開きます。

  2. ノートブックのツールバーで、[編集] > [出力をすべて消去] をクリックし、セルを 1 つずつ実行します。

メッセージが表示されたら、以下の手順に沿って進行状況を確認します。

タスク 3. クラウドでトレーニング ジョブを実行する

ノートブックには、追加の手順が記載されています。コードがあるセル内のコメントも含めて、手順をよく読んで、各ステップを正常に完了してください。

完了したタスクをテストする - ステップ 3.1

  1. [進行状況を確認] をクリックして、実行したタスクを確認します。
Cloud Storage バケットを設定する
  1. [進行状況を確認] をクリックして、実行したタスクを確認します。
データファイルを Cloud Storage バケットにアップロードする

完了したタスクをテストする - ステップ 3.2

[進行状況を確認] をクリックして、実行したタスクを確認します。

クラウド内で単一インスタンスのトレーナーを実行する

完了したタスクをテストする - ステップ 3.3

  1. [進行状況を確認] をクリックして、実行したタスクを確認します。
Vertex AI モデルを作成する
  1. [進行状況を確認] をクリックして、実行したタスクを確認します。
モデル バージョン v1 を作成する

タスク 4. 理解度を確認する

今回のラボで学習した内容の理解を深めていただくため、以下の選択式問題を用意しました。正解を目指して頑張ってください。

お疲れさまでした

このラボでは、ローカルと Vertex AI の両方で TensorFlow のモデルをトレーニングし、トレーニング済みのモデルを使用して予測を行う方法について学習しました。

次のステップ

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2023 年 9 月 29 日

ラボの最終テスト日: 2023 年 9 月 29 日

Copyright 2024 Google LLC All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。