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。

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。
• 使用 Vertex TensorBoard 直观呈现模型性能。

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

1. 点击 Google Cloud 控制台右上角的 Cloud Shell 图标，打开一个新的 Cloud Shell 终端。

2. 在 Cloud Shell 终端中，使用 gcloud 启用实验中要用到的服务：

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

点击“检查我的进度”以验证是否完成了以下目标： 启用 Google Cloud 服务。

任务 2. 创建 Vertex AI Workbench 实例

1. 在 Google Cloud 控制台的导航菜单 () 中，选择 Vertex AI。

2. 点击启用所有推荐的 API。

3. 点击左侧的 Workbench。

4. 在 Workbench 页面顶部，确保您使用的是实例视图。

5. 点击 新建。

6. 配置实例：

   • 名称：提供实例的名称，或保留默认值
   • 区域：将区域设置为
   • 可用区：将可用区设置为
   • 高级选项（可选）：如果需要，点击“高级选项”进一步进行自定义（例如机器类型、磁盘大小）

7. 点击创建。

注意：创建实例需要几分钟的时间。创建完成后，其名称旁边将显示一个绿色对勾标记。

8. 点击实例名称旁边的打开 JupyterLab 以启动 JupyterLab 界面。系统随即会在浏览器中打开一个新标签页。

9. 点击终端图标以打开终端窗口。

终端窗口会在新标签页中打开。现在，您可以在终端中运行命令，以与 Workbench 实例进行交互。

点击“检查我的进度”以验证是否完成了以下目标： 创建 Vertex AI Workbench 实例。

任务 3. 克隆实验代码库

在本部分中，您需要将 training-data-analyst 代码库克隆到 JupyterLab 实例。GitHub 代码库包含本课程的实验文件和解决方案文件。

1. 在终端中，复制并运行以下代码，以克隆 training-data-analyst 代码库。

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

2. 如需确认已克隆该代码库，请双击 training-data-analyst 目录，确保您能看到相应内容。

克隆代码库需要几分钟的时间。

点击“检查我的进度”以验证是否完成了以下目标： 克隆实验代码库。

任务 4. 安装实验依赖项

1. 在打开的终端中，运行以下命令以安装实验依赖项：

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

2. 看到提示时，输入 y，然后按 Enter 键确认安装。

任务 5. 运行实验笔记本

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。

2. 看到提示时，选择 Python 3 内核。

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。

阅读相关说明并确保了解每个单元中发生的情况。

点击“检查我的进度”以验证是否完成了以下目标： 运行实验笔记本。

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。

后续步骤/了解详情

• 详细了解 Vertex AI。
• 查看 Vertex AI 上的生成式 AI 文档。
• 前往 YouTube 频道 Google Cloud Tech 详细了解生成式 AI。
• Google Cloud 生成式 AI 官方仓库
• Gemini 笔记本示例

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 10 月 7 日

上次测试实验的时间：2024 年 10 月 7 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。