GSP1023

概要

Tensorflow Extended（TFX）は、TensorFlow モデルをトレーニングして本番環境にデプロイするためのエンドツーエンドのプラットフォームです。TFX パイプラインは、一連のコンポーネントの順序立てた実行をオーケストレートし、スケーラブルで高パフォーマンスの機械学習タスクを有向グラフで実現します。これには、あらかじめ構築されたカスタマイズ可能なコンポーネントが含まれ、データの取り込みと確認、モデルのトレーニングと評価、さらにはモデルの検証と作成に使用できます。TFX は、オンプレミス環境と Google Cloud の Vertex AI Pipelines などのクラウドをサポートし、TensorFlow モデルをプロトタイピングから本番環境に実装するための最適なソリューションです。

Vertex AI Pipelines では、サーバーレス方式で ML ワークフローをオーケストレートし、Vertex ML Metadata を使用してワークフローのアーティファクトを保存することで、ML システムの自動化、モニタリング、管理を行うことができます。

このラボでは、Google Cloud で TFX パイプラインをデプロイ、実行します。これにより、ペンギンの種を予測する TensorFlow 2.7 分類モデルの開発とデプロイを自動化します。

目標

• TFX API を使用して TFX パイプラインを作成する。
• Vertex AI Pipelines を Kubeflow V2 の DAG ランナーとともに使用するパイプライン ランナーを定義する。
• Vertex AI Pipelines に TFX パイプラインをデプロイしてモニタリングする。

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの手順をお読みください。ラボの時間は記録されており、一時停止することはできません。[ラボを開始] をクリックするとスタートするタイマーは、Google Cloud のリソースを利用できる時間を示しています。

このハンズオンラボでは、シミュレーションやデモ環境ではなく、実際のクラウド環境を使ってご自身でラボのアクティビティを行うことができます。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モードまたはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生することを防ぎます。

• ラボを完了するために十分な時間を確保してください。ラボをいったん開始すると一時停止することはできません。

注: すでに個人の Google Cloud アカウントやプロジェクトをお持ちの場合でも、このラボでは使用しないでください。アカウントへの追加料金が発生する可能性があります。

タスク 1. Vertex AI ノートブックにアクセスする

このラボでは、Vertex AI Notebooks のインスタンスが主要なテスト / 開発ワークベンチとして使用されます。

Vertex AI Notebooks を起動するには:

1. ナビゲーション メニューをクリックして、[Vertex AI]、[ワークベンチ] の順に選択します。

2. [ユーザー管理のノートブック] に移動します。

3. あらかじめプロビジョニングされているノートブック tfx-on-googlecloud が表示されます。表示されない場合、数分待ってからページを更新します。

4. [JupyterLab を開く] をクリックします。JupyterLab ウィンドウが新しいタブで開きます。

注: ノートブックを開いたときに [Build Recommended] というポップアップが表示されたら、[Cancel] をクリックします。

タスク 2. Vertex AI Notebooks のインスタンス内でサンプル リポジトリのクローンを作成する

training-data-analyst リポジトリのクローンを JupyterLab インスタンス内に作成するには、次の手順を実行します。

1. JupyterLab で、[Terminal] アイコンをクリックして新しいターミナルを開きます。

2. コマンドライン プロンプトで、次のコマンドを入力して Enter キーを押します。

git clone --depth=1 https://github.com/GoogleCloudPlatform/training-data-analyst

3. リポジトリのクローンが作成されたことを確認するには、左側のパネルの training-data-analyst フォルダをダブルクリックして、リポジトリの中身を確かめます。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Vertex AI Notebooks のインスタンス内でサンプル リポジトリのクローンを作成する

タスク 3. ラボのノートブックに移動する

1. Vertex AI Notebooks で、以下のディレクトリに移動します。

training-data-analyst/self-paced-labs/tfx/tfx-vertex

2. vertex_pipelines_simple.ipynb を開きます。

3. メッセージが表示されたら、以下の手順に沿って進行状況を確認します。ラボの修了後にクレジットを受け取るには、次の手順を実行してください。

タスク 4. クラウドでトレーニング ジョブを実行する

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 TFX パイプラインを構築して Vertex AI Pipelines にデプロイする

注: ジョブの完了後、進行状況が適切に更新されるまで数分かかる場合があります。

お疲れさまでした

TFX パイプラインを構築して Vertex AI Pipelines にデプロイし、パイプライン実行をトリガーする方法を学習しました。

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2023 年 8 月 3 日

ラボの最終テスト日: 2023 年 8 月 3 日

Copyright 2024 Google LLC All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。