GSP076

總覽

在本研究室中，您會在本機和 Vertex AI Workbench 實際透過 TensorFlow 2.x 訓練模型，並在訓練完成後部署至 Vertex AI，藉此執行預測作業。您將使用美國人口普查收入資料集訓練資料集，預測人口的收入類別。

本研究室提供端對端的入門學習體驗，讓您瞭解如何在 Vertex AI 執行訓練和預測作業。研究室中會使用人口普查資料集來執行下列工作：

• 建立 TensorFlow 2.x 訓練應用程式，並在本機進行驗證。
• 在雲端的單一工作站執行個體上執行訓練作業。
• 部署模型來執行預測作業。
• 要求取得線上預測結果並查看回應。

建構內容

這個範例會建構一個分類模型，根據美國人口普查收入資料集來預測收入類別。兩種收入類別 (也稱為「標籤」) 分別為：

• >50K：高於 50,000 美元
• <=50K：低於或等於 50,000 美元

這個範例會使用 Keras Sequential API 來定義模型，並根據人口普查資料集來定義資料轉換作業，接著將這些可能或已轉換的特徵，指派給深層類神經網路或模型的線性部分。

設定和需求

點選「Start Lab」按鈕前的須知事項

請詳閱以下操作說明。研究室活動會計時，而且中途無法暫停。點選「Start Lab」 後就會開始計時，讓您瞭解有多少時間可以使用 Google Cloud 資源。

您將在真正的雲端環境中完成實作研究室活動，而不是在模擬或示範環境。為達此目的，我們會提供新的暫時憑證，讓您用來在研究室活動期間登入及存取 Google Cloud。

如要完成這個研究室活動，請先確認：

• 您可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意：請使用無痕模式或私密瀏覽視窗執行此研究室。這可以防止個人帳戶和學生帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成研究室活動了！別忘了，活動一開始將無法暫停。

注意：如果您擁有個人 Google Cloud 帳戶或專案，請勿用於本研究室，以免產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 按一下「Start Lab」(開始研究室) 按鈕。如果研究室會產生費用，畫面中會出現選擇付款方式的彈出式視窗。左側的「Lab Details」(研究室詳細資料) 面板會顯示下列項目：

   • 「Open Google Console」(開啟 Google 控制台) 按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的暫時憑證
   • 完成這個研究室所需的其他資訊 (如有)

2. 按一下「Open Google Console」(開啟 Google 控制台)。接著，研究室會啟動相關資源並開啟另一個分頁，當中會顯示「Sign in」(登入) 頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意事項：如果頁面中顯示了「Choose an account」(選擇帳戶) 對話方塊，請按一下「Use Another Account」(使用其他帳戶)。

3. 如有必要，請複製「Lab Details」(研究室詳細資料) 面板中的使用者名稱，然後貼到「Sign in」(登入) 對話方塊。按一下「Next」(下一步)。

4. 複製「Lab Details」(研究室詳細資料) 面板中的密碼，然後貼到「Welcome」(歡迎使用) 對話方塊。按一下「Next」(下一步)。

   重要注意事項：請務必使用左側面板中的憑證，而非 Google Cloud 技能重點加強的憑證。 注意事項：如果使用自己的 Google Cloud 帳戶來進行這個研究室，可能會產生額外費用。

5. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Cloud 控制台稍後會在這個分頁中開啟。

注意事項：按一下畫面左上方的導覽選單，即可在選單中查看 Google Cloud 產品與服務的清單。

工作 1：啟動 Vertex AI Workbench 筆記本

如要建立及啟動 Vertex AI Workbench 筆記本，請按照下列指示操作：

1. 在「導覽選單」 中，依序點按「Vertex AI」>「Workbench」。

2. 在「Workbench」頁面中，點按「啟用 Notebooks API」 (如果尚未啟用)。

3. 點按「使用者自行管理的 Notebooks」分頁標籤，然後點選「建立新的」。

4. 為筆記本命名。

5. 將「區域」設為 ，然後將「可用區」設為 。

6. 在「新增執行個體」選單中的「環境」中，選擇最新版的「TensorFlow 企業版 2.x」。

7. 點按「進階選項」編輯執行個體屬性。

8. 點按「機器類型」，然後選取「e2-standard-2」這個機器類型。

9. 其餘欄位均保留預設值，然後點按「建立」。

幾分鐘後，「Workbench」頁面會先列出執行個體，接著顯示「開啟 JupyterLab」。

10. 點按「開啟 JupyterLab」，即可在新分頁中開啟 JupyterLab。如果系統顯示訊息，指出版本必須包含 beatrix jupyterlab，請略過該訊息。

注意：如果出現「Build Recommended」彈出式視窗，請點選「Build」。

工作 2：在 Workbench 執行個體中複製範例存放區

如要複製 JupyterLab 執行個體中的 training-data-analyst 存放區，請按照下列步驟操作：

1. 按一下 JupyterLab 中的「終端機」圖示，開啟新的終端機。

2. 在指令列提示中輸入下列指令，然後按下 Enter 鍵：

git clone https://github.com/GoogleCloudPlatform/training-data-analyst

3. 如要確認是否已複製存放區，請在左側面板中對 training-data-analyst 資料夾按兩下，藉此查看內容。

複製筆記本可能需要幾分鐘。

注意：如果出現「Build Failed」彈出式視窗，請點選「Dismiss」來忽略這則訊息。

前往範例筆記本

1. 前往 training-data-analyst/self-paced-labs/ai-platform-qwikstart 並開啟 ai_platform_qwik_start.ipynb。

2. 在筆記本工具列中，依序點選「Edit」>「Clear All Outputs」，接著逐一為儲存格點按「Run」。

出現提示訊息時，請返回這裡的操作說明檢查進度。

工作 3：在雲端中執行訓練工作

筆記本中列出了額外步驟，請詳閱這些操作說明，包括儲存格內的註解和程式碼，確保您正確完成這些步驟。

測試已完成的工作：步驟 3.1

1. 點選「Check my progress」，確認工作已完成。

設定 Cloud Storage 值區。

2. 點選「Check my progress」，確認工作已完成。

將資料檔案上傳到 Cloud Storage 值區。

測試已完成的工作：步驟 3.2

點選「Check my progress」，確認工作已完成。

在雲端中執行單一執行個體訓練工具。

測試已完成的工作：步驟 3.3

1. 點選「Check my progress」，確認工作已完成。

建立一個 Vertex AI 模型。

2. 點選「Check my progress」，確認工作已完成。

為模型建立 v1 版本。

工作 4：隨堂測驗

您可透過下列選擇題更清楚本研究室的概念。盡力回答即可。

恭喜！

在這個研究室中，您瞭解了如何在本機和 Vertex AI 訓練 TensorFlow 模型，以及如何使用訓練完成的模型來進行預測作業。

後續步驟

• 報名參加完整的 Coursera 機器學習課程。
• 瀏覽一系列 TensorFlow 教學課程。
• 如要進一步瞭解廣度和深度模型，請參閱 Google 研究網誌文章：「Wide &amp; Deep Learning: Better Together with TensorFlow」(廣度和深度學習技術：搭配 TensorFlow 可發揮更強的功效)。
• 取得自己的 Tensorflow 版本。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2023 年 9 月 29 日

研究室上次測試日期：2023 年 9 月 29 日

Copyright 2024 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。