GSP076

概要

このラボでは、ローカルおよび AI Platform で TensorFlow モデルをトレーニングする方法について実践演習を行います。また、トレーニング終了後に、そのモデルを AI Platform にデプロイしてサービス（予測）を提供する方法について学びます。ここでは、米国国勢調査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の初歩を網羅しており、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 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します。
• クラウドの単一ワーカー インスタンスでトレーニング ジョブを実行します。
• クラウド内の分散トレーニング ジョブとしてトレーニング ジョブを実行します。
• ハイパーパラメータ チューニングを使用して、ハイパーパラメータを最適化します。
• 予測をサポートするモデルをデプロイします。
• オンライン予測をリクエストし、レスポンスを確認します。
• バッチ予測をリクエストします。

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（ラベルとも呼ばれる）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、ディープ ニューラル ネット（DNN）を使用して、複雑な特徴や、それらの特徴間の相互作用に関して概要レベルの抽象化を学習します。次に、DNN からの出力を、比較的簡単な特徴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、TensorFlow の既製の 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（場合によっては変換された）特徴をモデルの DNN または線形部分に割り当てます。