menu
arrow_back

Cloud ML Engine: Qwik Start

Cloud ML Engine: Qwik Start

Hours Free

GSP076

Google Cloud-Labs zum selbstbestimmten Lernen

Übersicht

In diesem Lab zeigen wir Ihnen, wie Sie Modelle mithilfe von TensorFlow lokal und in Cloud ML Engine trainieren. Außerdem erfahren Sie, wie Sie Ihr Modell anschließend in Cloud ML Engine für Vorhersagen bereitstellen. Sie trainieren es darauf, die Einkommenskategorie einer Person auf Basis des Datasets der Einkommenserhebung in den USA vorherzusagen.

In Folgenden erhalten Sie eine umfassende Einführung in Training und Vorhersagen in Cloud Machine Learning Engine. Anhand eines Datasets der Einkommenserhebung sehen wir uns an, wie Sie

  • Eine TensorFlow-Trainingsanwendung erstellen und lokal validieren,
  • Einen Trainingsjob in einer einzelnen Worker-Instanz in der Cloud ausführen,
  • Einen Trainingsjob als verteilten Trainingsjob in der Cloud ausführen,
  • Hyperparameter anhand einer Hyperparameter-Abstimmung optimieren,
  • Ein Modell für Vorhersagen erstellen,
  • Eine Onlinevorhersage anfordern und das Ergebnis ansehen,
  • Eine Batchvorhersage anfordern.

Das werden Sie tun

Im Beispiel wird ein breitgefasstes und tiefgehendes Modell für die Vorhersage der Einkommenskategorie auf Basis des Datasets der Einkommenserhebung in den USA erstellt. Die zwei Einkommenskategorien (auch bekannt als Labels) sind:

  • > 50.000 – mehr als 50.000 $
  • <= 50.000 – weniger als oder gleich 50.000 $

Breitgefasste und tiefgehende Modelle nutzen neuronale Deep-Learning-Netzwerke (Deep Neural Networks, DNN) zum Lernen übergeordneter Abstraktionen komplexer Features oder Interaktionen zwischen solchen Features. Diese Modelle kombinieren dann die Ausgaben des DNN mit einer linearen Regression, die auf Basis einfacherer Features ausgeführt wird. Dies sorgt für ein Gleichgewicht zwischen Leistung und Geschwindigkeit, das vor allem bei strukturierten Daten effektiv ist.

Im Beispiel wird das Modell mithilfe der vordefinierten Klasse DNNCombinedLinearClassifier von TensorFlow definiert. Ebenso werden die Datentransformationen definiert, die für das Dataset der Einkommenserhebung spezifisch sind. Diese (möglicherweise) transformierten Features werden dann entweder dem DNN oder dem linearen Teil des Modells zugewiesen.

Join Qwiklabs to read the rest of this lab...and more!

  • Get temporary access to the Google Cloud Console.
  • Over 200 labs from beginner to advanced levels.
  • Bite-sized so you can learn at your own pace.
Join to Start This Lab
Score

—/100

Set up a Google Cloud Storage bucket

Schritt durchführen

/ 20

Upload the data files to your Cloud Storage bucket

Schritt durchführen

/ 20

Run a single-instance trainer in the cloud

Schritt durchführen

/ 20

Create a Cloud ML Engine model

Schritt durchführen

/ 20

Create a version v1 of your model

Schritt durchführen

/ 20