GSP076

概要

このラボでは、ローカルと AI Platform の両方で TensorFlow 2.x のモデル トレーニングを実際に行ってみます。トレーニングした後、モデルを AI Platform にデプロイしてサービス（予測）を提供する方法を学びます。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階層を予測するモデルをトレーニングします。

このラボでは、AI Platform でのトレーニングと予測について、エンドツーエンドで操作しながら学習を進めていきます（初心者向け）。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
• モデルをデプロイして予測リクエストに対応できるようにする
• 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、米国国勢調査所得データセットに基づいて所得階層を予測するためにワイド＆ディープモデルを構築します。2 つの所得階層（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

ワイド＆ディープモデルでは、複雑な特徴量やそれらの特徴量間の相互作用に関して、概要レベルの抽象化を学習するために、ディープ ニューラル ネット（DNN）を使用します。次に、DNN からの出力を、比較的簡単な特徴量に対して実行された線形回帰と結合します。これにより、多くの構造化データの問題に有効な、効果とスピードのバランスを実現できます。

このサンプルでは、既製の DNNCombinedLinearClassifier クラスを使用してモデルを定義します。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、これらの変換されたであろう特徴量をモデルの DNN または線形部分に割り当てます。