GSP917

概览

在本实验中，您将使用 BigQuery 进行数据处理和探索性数据分析，并使用 Vertex AI 平台训练和部署自定义 TensorFlow 回归器模型，以预测客户生命周期价值。实验的目标是通过高价值的实际应用场景“可预测 CLV”来介绍 Vertex AI。您将从可能已熟知的本地 BigQuery 和 TensorFlow 工作流开始，逐步进展到使用 Vertex AI 在云端训练和部署模型。

Vertex AI 是 Google Cloud 的下一代机器学习统一开发平台，也是 2021 年 5 月 Google I/O 大会上宣布的 AI Platform 的后继产品。在 Vertex AI 上开发机器学习解决方案，您可以利用最新的机器学习内置组件和 AutoML 显著提高开发效率、增强利用数据扩缩工作流和进行决策的能力，并缩短实现价值的时间。

目标

在本实验中，您将执行以下操作：

• 在托管的 Vertex 笔记本上进行 TensorFlow 模型本地训练。
• 创建用于跟踪实验的托管表格式数据集工件。
• 使用 Cloud Build 将训练代码容器化，并将其推送到 Google Cloud Artifact Registry。
• 使用自定义模型容器运行 Vertex AI 自定义训练作业。
• 使用 Vertex TensorBoard 直观呈现模型性能。
• 将经过训练的模型部署到 Vertex 在线预测端点以提供预测。
• 请求在线预测和说明并查看响应。

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 Cloud 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 Cloud 控制台（如果您使用的是 Chrome 浏览器，请右键点击并选择在无痕式窗口中打开链接）。

   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：如果您看见选择账号对话框，请点击使用其他账号。

3. 如有必要，请复制下方的用户名，然后将其粘贴到登录对话框中。

   {{{user_0.username | "<用户名>"}}}

   您也可以在实验详细信息面板中找到用户名。

4. 点击下一步。

5. 复制下面的密码，然后将其粘贴到欢迎对话框中。

   {{{user_0.password | "<密码>"}}}

   您也可以在实验详细信息面板中找到密码。

6. 点击下一步。

   重要提示：您必须使用实验提供的凭据。请勿使用您的 Google Cloud 账号凭据。 注意：在本次实验中使用您自己的 Google Cloud 账号可能会产生额外费用。

7. 继续在后续页面中点击以完成相应操作：

   • 接受条款及条件。
   • 由于该账号为临时账号，请勿添加账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 Google Cloud 控制台。

注意：如需查看列有 Google Cloud 产品和服务的菜单，请点击左上角的导航菜单。

激活 Cloud Shell

Cloud Shell 是一种装有开发者工具的虚拟机。它提供了一个永久性的 5GB 主目录，并且在 Google Cloud 上运行。Cloud Shell 提供可用于访问您的 Google Cloud 资源的命令行工具。

1. 点击 Google Cloud 控制台顶部的激活 Cloud Shell 。

如果您连接成功，即表示您已通过身份验证，且当前项目会被设为您的 PROJECT_ID 环境变量所指的项目。输出内容中有一行说明了此会话的 PROJECT_ID：

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud 是 Google Cloud 的命令行工具。它已预先安装在 Cloud Shell 上，且支持 Tab 自动补全功能。

2. （可选）您可以通过此命令列出活跃账号名称：

gcloud auth list

3. 点击授权。

4. 现在，输出的内容应如下所示：

输出：

ACTIVE: * ACCOUNT: student-01-xxxxxxxxxxxx@qwiklabs.net To set the active account, run: $ gcloud config set account `ACCOUNT`

5. （可选）您可以通过此命令列出项目 ID：

gcloud config list project

输出：

[core] project = <project_ID>

输出示例：

[core] project = qwiklabs-gcp-44776a13dea667a6 Note: For full documentation of gcloud, in Google Cloud, refer to the gcloud CLI overview guide.

任务 1. 启用 Google Cloud 服务

• 在 Cloud Shell 中，使用 gcloud 启用实验中使用的服务：

gcloud services enable \ compute.googleapis.com \ iam.googleapis.com \ iamcredentials.googleapis.com \ monitoring.googleapis.com \ logging.googleapis.com \ notebooks.googleapis.com \ aiplatform.googleapis.com \ bigquery.googleapis.com \ artifactregistry.googleapis.com \ cloudbuild.googleapis.com \ container.googleapis.com

任务 2. 创建用于 Vertex TensorBoard 集成的 Vertex AI 自定义服务账号

1. 创建自定义服务账号：

SERVICE_ACCOUNT_ID=vertex-custom-training-sa gcloud iam service-accounts create $SERVICE_ACCOUNT_ID \ --description="A custom service account for Vertex custom training with Tensorboard" \ --display-name="Vertex AI Custom Training"

2. 授权该账号访问 Cloud Storage 以写入和检索 Tensorboard 日志：

PROJECT_ID=$(gcloud config get-value core/project) gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/storage.admin"

3. 授权该账号访问 BigQuery 数据源，以便将数据读取到 TensorFlow 模型中：

gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/bigquery.admin"

4. 授权该账号访问 Vertex AI，以运行模型训练、部署和说明作业：

gcloud projects add-iam-policy-binding $PROJECT_ID \ --member=serviceAccount:$SERVICE_ACCOUNT_ID@$PROJECT_ID.iam.gserviceaccount.com \ --role="roles/aiplatform.user"

任务 3. 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 2.11 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. 保留其他字段的默认值，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。

点击“检查我的进度”，验证已完成以下目标： 创建一个 Vertex AI 笔记本

任务 4. 克隆实验代码库

接下来您需要将 training-data-analyst 代码库克隆到 JupyterLab 实例。

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 --depth=1 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。

克隆代码库需要几分钟的时间。

点击“检查我的进度”，验证已完成以下目标： 克隆实验代码库

任务 5. 安装实验依赖项

• 运行以下命令，前往 training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart 文件夹，然后执行 pip3 install requirements.txt 安装实验依赖项：

cd training-data-analyst/self-paced-labs/vertex-ai/vertex-ai-qwikstart pip3 install --user -r requirements.txt sudo apt -y install python3-pandas pip uninstall openpyxl pip install openpyxl

前往实验笔记本

1. 在文件浏览器中，前往 training-data-analyst > self-paced-labs > vertex-ai > vertex-ai-qwikstart，打开 lab_exercise.ipynb。

注意：请确保打开名为 lab_exercise.ipynb 的笔记本以完成本实验。

2. 在笔记本中继续本实验，并通过点击屏幕顶部的运行图标来运行每个单元。

您也可以使用 Shift + Enter 来执行单元中的代码。

阅读叙述背景并确保了解每个单元中发生的情况。

恭喜！

在本实验中，您使用 Google Cloud BigQuery 运行机器学习实验工作流来进行数据存储和分析，并使用 Vertex AI 机器学习服务来训练和部署 TensorFlow 模型，以预测客户生命周期价值。从在本地训练 TensorFlow 模型进展到使用 Vertex AI 在云端训练，并利用了多种新的统一平台功能，例如 Vertex TensorBoard 和预测特征归因。

后续步骤/了解详情

本实验是 Qwik Starts 系列实验的其中一项。通过这些实验，您可以一窥 Google Cloud 的诸多功能。请在实验目录中搜索“Qwik Starts”，找到您要参与的下一项实验！

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：2024 年 5 月 16 日

上次测试实验的时间：2024 年 5 月 16 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。