GSP076

概述

在本实验中，您将使用 TensorFlow 2.x 进行实操练习，包括在本地和 Vertex AI Workbench 中训练模型。您还将学习如何将训练好的模型部署到 Vertex AI 以提供预测服务。您将训练模型使用美国人口普查收入数据集来预测个人的收入类别。

通过这个入门实验，您可以全程体验如何在 Vertex AI 中进行训练与预测。本实验将使用一个人口普查数据集来执行以下操作：

• 创建一款 TensorFlow 2.x 训练应用，并在本地对它进行验证。
• 在云端的单个工作器实例上运行您的训练作业。
• 部署一个模型以便帮助进行预测。
• 请求在线预测并查看响应。

您将构建的模型

该示例会构建一个分类模型，用于根据美国人口普查收入数据集来预测收入类别。两种收入类别（也称为“标签”）如下：

• >50K - 50,000 美元以上
• <=50K - 50,000 美元或以下

该示例使用 Keras Sequential API 来定义此模型。 该示例定义了专门用于人口普查数据集的一些数据转换，然后将这些（有可能）经过转换的特征分配给 DNN 或模型的线性部分。

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。我们会为您提供新的临时凭据，让您可以在实验规定的时间内用来登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：如果您已有自己的个人 Google Cloud 账号或项目，请不要在此实验中使用，以避免您的账号产生额外的费用。

如何开始实验并登录 Google Cloud 控制台

1. 点击开始实验按钮。如果该实验需要付费，系统会打开一个弹出式窗口供您选择付款方式。左侧是实验详细信息面板，其中包含以下各项：

   • 打开 Google 控制台按钮
   • 剩余时间
   • 进行该实验时必须使用的临时凭据
   • 帮助您逐步完成本实验所需的其他信息（如果需要）

2. 点击打开 Google 控制台。 该实验会启动资源并打开另一个标签页，显示登录页面。

   提示：请将这些标签页安排在不同的窗口中，并将它们并排显示。

   注意：如果您看见选择帐号对话框，请点击使用其他帐号。

3. 如有必要，请从实验详细信息面板复制用户名，然后将其粘贴到登录对话框中。点击下一步。

4. 请从实验详细信息面板复制密码，然后将其粘贴到欢迎对话框中。点击下一步。

   重要提示：您必须使用左侧面板中的凭据。请勿使用您的 Google Cloud Skills Boost 凭据。 注意：在本次实验中使用您自己的 Google Cloud 帐号可能会产生额外费用。

5. 继续在后续页面中点击以完成相应操作：

   • 接受条款及条件。
   • 由于该帐号为临时帐号，请勿添加帐号恢复选项或双重验证。
   • 请勿注册免费试用。

片刻之后，系统会在此标签页中打开 Cloud 控制台。

注意：您可以点击左上角的导航菜单来查看列有 Google Cloud 产品和服务的菜单。

任务 1. 启动 Vertex AI Workbench 笔记本

如需创建和启动 Vertex AI Workbench 笔记本，请执行以下操作：

1. 在导航菜单 中，点击 Vertex AI > Workbench。

2. 在 Workbench 页面上，点击启用 Notebooks API（如果尚未启用）。

3. 然后依次点击用户管理的笔记本标签页和新建。

4. 为笔记本命名。

5. 将区域设置为 ，将可用区设置为 。

6. 在新建实例菜单中，选择环境中的 TensorFlow Enterprise 2.x 的最新版本。

7. 点击高级选项以修改实例属性。

8. 点击机器类型，然后选择 e2-standard-2 作为机器类型。

9. 让其他字段保持默认值，然后点击创建。

几分钟后，Workbench 页面会列出您的实例，后面显示有打开 JupyterLab。

10. 点击打开 JupyterLab 即可在新标签页中打开 JupyterLab。如果系统显示消息，指出需要在 build 中包含 beatrix jupyterlab，只需忽略此消息即可。

注意：如果出现弹出式窗口，提示“Build Recommended”（按建议构建），请点击“Build”（构建）。

任务 2：在您的 Workbench 实例中克隆示例代码库

如需在您的 JupyterLab 实例中克隆 training-data-analyst 仓库，请执行以下操作：

1. 在 JupyterLab 中，点击终端图标以打开新终端。

2. 在命令行提示符处输入以下命令并按 Enter：

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

3. 如需确认已克隆该仓库，请双击左侧面板中的 training-data-analyst 文件夹，查看其内容。

克隆笔记本可能需要几分钟时间。

注意：如果出现弹出式窗口，提示“Build Failed”（构建失败），请点击“Dismiss”（关闭），忽略此消息。

前往示例笔记本

1. 前往 training-data-analyst/self-paced-labs/ai-platform-qwikstart，然后打开 ai_platform_qwik_start.ipynb。

2. 在笔记本工具栏中，前往 修改 > 清除所有输出项，然后逐个运行每个单元。

收到提示后，返回并按照说明操作，以检查您的进度。

任务 3. 在云端运行训练作业

笔记本中还列出了一些额外的步骤。请仔细阅读这些说明，包括带有代码的单元中的注释，以确保正确完成每一步。

测试完成的任务 - 第 3.1 步

1. 点击检查我的进度以验证您已完成的任务。

设置一个 Cloud Storage 存储桶。

2. 点击检查我的进度以验证您已完成的任务。

将数据文件上传到您的 Cloud Storage 存储桶。

测试完成的任务 - 第 3.2 步

点击检查我的进度以验证您已完成的任务。

在云端运行单实例训练程序。

测试完成的任务 - 第 3.3 步

1. 点击检查我的进度以验证您已完成的任务。

创建 Vertex AI 模型。

2. 点击检查我的进度以验证您已完成的任务。

创建该模型的 v1 版本。

任务 4. 检验您的掌握情况

下列选择题可加强您对此实验所涉概念的理解。请尽您所能回答问题。

恭喜！

在本实验中，您学习了如何在本地和 Vertex AI 中训练 TensorFlow 模型，以及如何使用训练好的模型进行预测。

后续步骤

• 注册参加全部 Coursera 机器学习课程。
• 学习各类 TensorFlow 教程。
• 您可以阅读名为 Wide & Deep 学习：借助 TensorFlow 实现强强联合的 Google 研究博文，了解 Wide & Deep 模型的更多详情。
• 构建自己的 Tensorflow 版本。

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

上次更新手册的时间：2023 年 9 月 29 日

上次测试实验的时间：2023 年 9 月 29 日

版权所有 2024 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。