このページでは、Vertex AI を使用するための Google Cloud プロジェクトの設定と、トレーニングに使用する TensorFlow のコードのダウンロードを行う手順について説明します。また、予測に使用するウェブアプリのコードもダウンロードします。
このチュートリアルには複数のページが含まれます。プロジェクトと環境の設定
各ページは、前のページのチュートリアルの手順をすでに実施していることを前提としています。
始める前に
このチュートリアルでは、Google Cloud コンソールと Cloud Shell を使用して Google Cloud を操作します。Cloud Shell の代わりに、Google Cloud CLI がインストールされている別の Bash シェルを使用することもできます。
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
-
Google Cloud Console の [プロジェクト セレクタ] ページで、Google Cloud プロジェクトを選択または作成します。
-
Vertex AI and Cloud Functions API を有効にします。
-
Google Cloud Console の [プロジェクト セレクタ] ページで、Google Cloud プロジェクトを選択または作成します。
-
Vertex AI and Cloud Functions API を有効にします。
-
Google Cloud コンソールで、「Cloud Shell をアクティブにする」をクリックします。
Google Cloud コンソールの下部で Cloud Shell セッションが開始し、コマンドライン プロンプトが表示されます。Cloud Shell はシェル環境です。Google Cloud CLI がすでにインストールされており、現在のプロジェクトの値もすでに設定されています。セッションが初期化されるまで数秒かかることがあります。
-
Cloud Shell のプロンプトに
(PROJECT_ID)$が表示されない場合（PROJECT_ID は Google Cloud プロジェクト ID に置き換えられています）、次のコマンドを実行して、このプロジェクトを使用するように Cloud Shell を構成します。gcloud config set project PROJECT_ID
Cloud Storage バケットを作成する
このチュートリアルの残りの部分で使用するリージョン Cloud Storage バケットを us-central1 リージョンに作成します。このチュートリアルを進めていくなかで、このバケットをいくつかの目的で使用します。
- カスタム トレーニング ジョブに使用する Vertex AI 用のトレーニング コードを保存する。
- カスタム トレーニング ジョブで出力されるモデル アーティファクトを保存する。
- Vertex AI エンドポイントから予測を取得するウェブアプリをホストする。
Cloud Storage バケットを作成するには、Cloud Shell セッションで次のコマンドを実行します。
gsutil mb -p PROJECT_ID -l us-central1 gs://BUCKET_NAME
以下を置き換えます。
- PROJECT_ID: Google Cloud プロジェクトの ID。
- BUCKET_NAME: バケットに付ける名前。例:
hello_custom_PROJECT_IDバケット名の要件をご覧ください。
サンプルコードをダウンロードする
チュートリアルの残りの部分で使用するサンプルコードをダウンロードします。
gsutil cp gs://cloud-samples-data/ai-platform/hello-custom/hello-custom-sample-v1.tar.gz - | tar -xzv
必要に応じて、次のコマンドを実行して、サンプルコード ファイルを表示します。
ls -lpR hello-custom-sample
hello-custom-sample ディレクトリには 4 つの項目があります。
trainer/: 花の分類モデルをトレーニングするための TensorFlow Keras コードのディレクトリ。setup.py: Vertex AI が使用できる Python ソース配布にtrainer/ディレクトリをパッケージ化するための構成ファイル。function/: ウェブブラウザから予測リクエストを受信し、前処理、Vertex AI への送信、予測レスポンスの処理を行ってブラウザに送り返す Cloud Functions の関数の Python コードのディレクトリ。webapp/: Vertex AI から花の分類予測を取得するウェブアプリのコードとマークアップを含むディレクトリ。
次のステップ
このチュートリアルの次のページの手順に沿って Vertex AI でカスタム トレーニング ジョブを実行する。