GSP398

Descripción general

En un lab de desafío, se le proporcionarán una situación y un conjunto de tareas. En lugar de seguir instrucciones paso a paso, deberás utilizar las habilidades aprendidas en los labs del curso para decidir cómo completar las tareas por tu cuenta. Un sistema automatizado de puntuación (en esta página) mostrará comentarios y determinará si completaste tus tareas correctamente.

En un lab de desafío, no se explican conceptos nuevos de Google Cloud, sino que se espera que amplíes las habilidades que adquiriste, como cambiar los valores predeterminados y leer o investigar los mensajes de error para corregir sus propios errores.

Debe completar correctamente todas las tareas dentro del período establecido para obtener una puntuación del 100%.

Se recomienda este lab a los estudiantes inscritos en el curso con insignia de habilidad Get Started with TensorFlow on Google Cloud. ¿Aceptas el desafío?

Temas evaluados:

• Escribir una secuencia de comandos para entrenar un CNN para la clasificación de imágenes y guardar el modelo entrenado en el directorio especificado
• Ejecutar tu secuencia de comandos de entrenamiento con el trabajo de entrenamiento personalizado de Vertex AI
• Implementar el modelo entrenado en un extremo de Vertex Online Prediction para entregar predicciones
• Solicitar una predicción en línea y ver la respuesta

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs son cronometrados y no se pueden pausar. El cronómetro, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar (se recomienda el navegador Chrome)

Nota: Usa una ventana de navegador privada o de Incógnito para ejecutar este lab. Así evitarás cualquier conflicto entre tu cuenta personal y la cuenta de estudiante, lo que podría generar cargos adicionales en tu cuenta personal.

• Tiempo para completar el lab: Recuerda que, una vez que comienzas un lab, no puedes pausarlo.

Nota: Si ya tienes un proyecto o una cuenta personal de Google Cloud, no los uses en este lab para evitar cargos adicionales en tu cuenta.

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haga clic en el botón Comenzar lab. Si debe pagar por el lab, se abrirá una ventana emergente para que seleccione su forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón Abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debe usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordene las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

   {{{user_0.username | "Username"}}}

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

   {{{user_0.password | "Password"}}}

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia Cuenta de Google podría generar cargos adicionales.

7. Haga clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para ver un menú con una lista de productos y servicios de Google Cloud, haz clic en el menú de navegación que se encuentra en la parte superior izquierda.

Activa Cloud Shell

Cloud Shell es una máquina virtual que cuenta con herramientas para desarrolladores. Ofrece un directorio principal persistente de 5 GB y se ejecuta en Google Cloud. Cloud Shell proporciona acceso de línea de comandos a tus recursos de Google Cloud.

1. Haz clic en Activar Cloud Shell en la parte superior de la consola de Google Cloud.

Cuando te conectes, habrás completado la autenticación, y el proyecto estará configurado con tu PROJECT_ID. El resultado contiene una línea que declara el PROJECT_ID para esta sesión:

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud es la herramienta de línea de comandos de Google Cloud. Viene preinstalada en Cloud Shell y es compatible con la función de autocompletado con tabulador.

2. Puedes solicitar el nombre de la cuenta activa con este comando (opcional):

gcloud auth list

3. Haz clic en Autorizar.

4. Ahora, el resultado debería verse de la siguiente manera:

Resultado:

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

5. Puedes solicitar el ID del proyecto con este comando (opcional):

gcloud config list project

Resultado:

[core] project = <project_ID>

Resultado de ejemplo:

[core] project = qwiklabs-gcp-44776a13dea667a6 Nota: Para obtener toda la documentación de gcloud, consulta la guía con la descripción general de gcloud CLI en Google Cloud.

Habilita los servicios de Google Cloud

1. En Cloud Shell, usa gcloud de esta manera para habilitar los servicios que se usarán en el lab

gcloud services enable \ compute.googleapis.com \ monitoring.googleapis.com \ logging.googleapis.com \ notebooks.googleapis.com \ aiplatform.googleapis.com \ artifactregistry.googleapis.com \ container.googleapis.com

Esto permitirá el acceso para ejecutar trabajos de entrenamiento de modelos, implementación y explicación con Vertex AI.

Haz clic en Revisar mi progreso para verificar el objetivo. Habilitar los servicios de Google Cloud

Situación del desafío

Recientemente, te contrataron como ingeniero de aprendizaje automático para el equipo de desarrollo de una app de reconocimiento óptico de caracteres. Tu administrador te asignó la tarea de crear un modelo de aprendizaje automático para reconocer el alfabeto hiragana. Según los requisitos de la empresa, el desafío es que solo dispones de 6 semanas para producir un modelo con una exactitud superior al 90% para mejorar la solución existente. Además, luego de realizar un análisis exploratorio en el almacén de datos de la startup, encontraste que solo tiene un conjunto de datos pequeño de 60,000 imágenes del alfabeto para crear una solución con un mayor rendimiento.

Para crear e implementar con rapidez un modelo de aprendizaje automático de alto rendimiento con datos limitados, aprenderás a entrenar e implementar un clasificador de CNN de modo que pueda realizar predicciones en línea en la plataforma Vertex AI de Google Cloud. Vertex AI es la plataforma de desarrollo de aprendizaje automático de nueva generación de Google Cloud, en la que puedes aprovechar los componentes precompilados de AA más recientes para mejorar de forma sustancial la productividad del desarrollo, escalar tu flujo de trabajo y la toma de decisiones basadas en datos, así como acelerar el tiempo de obtención de valor.

Primero, seguirás un flujo de trabajo típico de experimentación, en el que escribirás una secuencia de comandos que entrena tu modelo de CNN personalizado con las capas de clasificación tf.keras. Luego, enviarás el código del modelo a un trabajo de entrenamiento personalizado y ejecutarás ese trabajo con contenedores de Docker previamente compilados proporcionados por Vertex AI para ejecutar el entrenamiento y la predicción. Por último, implementarás el modelo en un extremo para que puedas usar el modelo para predicciones.

Tarea 1. Crea una instancia de notebooks de Vertex

1. Navega a Vertex AI > Workbench > Notebooks administrados por el usuario.

2. Crea una instancia de notebook. Selecciona TensorFlow Enterprise 2.11 Without GPUs. Asigna el nombre cnn-challenge a tu notebook y deja los parámetros de configuración predeterminados.

3. Selecciona la región y la zona .

4. Haz clic en ABRIR JUPYTERLAB junto al nombre de tu instancia de notebook de Vertex AI previamente aprovisionada. Es posible que la opción ABRIR JUPYTERLAB tarde unos minutos en aparecer.

Haz clic en Revisar mi progreso para verificar el objetivo. Crear la instancia de notebook de Vertex AI

Tarea 2. Descarga el notebook del desafío

1. En tu notebook, haz clic en la terminal.

2. Clona el repo:

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

Haz clic en Revisar mi progreso para verificar el objetivo. Descargar el notebook del desafío

3. Ve a la carpeta contenedora: training-data-analyst/self-paced-labs/learning-tensorflow/cnn-challenge-lab/.

4. Abre el archivo del notebook cnn-challenge-lab.ipynb.

5. En la sección Configuración, define las variables PROJECT_ID y GCS_BUCKET.

Haz clic en Revisar mi progreso para verificar el objetivo. Crear un bucket de Cloud Storage

Tarea 3. Crea una secuencia de comandos de entrenamiento

En esta sección, completarás la secuencia de comandos de entrenamiento task.py con TensorFlow.

Escribe un clasificador de CNN de TensorFlow

1. Completa la sección #TODO para agregar la última capa de la creación del modelo.

2. Completa la sección #TODO para guardar tu modelo. Debes guardarlo en la variable de entorno AIP_MODEL_DIR.

Haz clic en Revisar mi progreso para verificar el objetivo. Crear una secuencia de comandos de entrenamiento

Tarea 4. Entrena el modelo

Define un trabajo de entrenamiento personalizado en Vertex AI

1. Completa la sección #TODO para crear un trabajo de entrenamiento personalizado en Vertex AI. Puedes encontrar la documentación aquí.

Sugerencia: Asegúrate de especificar los parámetros script_path, container_uri y model_serving_container_image_uri.

Entrena el modelo con canalizaciones de Vertex AI

1. Completa la sección #TODO y ejecuta la función de trabajo de entrenamiento personalizado que definiste antes. Puedes encontrar la documentación aquí.

Sugerencia: Asegúrate de especificar los parámetros args y machine_type. Nota: El entrenamiento del modelo puede tardar entre 8 y 10 minutos.

Haz clic en Revisar mi progreso para verificar el objetivo. Entrenar el modelo en Vertex AI

Tarea 5. Implementa el modelo en un extremo de predicción en línea de Vertex

1. Completa la sección #TODO para implementar el modelo en un extremo. Puedes encontrar la documentación aquí.

Sugerencia: Asegúrate de especificar los parámetros traffic_split, machine_type, min_replica_count y max_replica_count. Nota: La implementación del modelo puede tardar entre 10 y 15 minutos.

Haz clic en Revisar mi progreso para verificar el objetivo. Implementar el modelo

Tarea 6. Consulta el modelo implementado en el extremo de predicción en línea de Vertex

1. Completa la sección #TODO para generar predicciones en línea con tu extremo de Vertex. Puedes encontrar la documentación aquí.

Consultar el extremo correctamente

¡Felicitaciones!

Creaste un flujo de trabajo que entrena e implementa un modelo en Google Cloud con Vertex AI. Primero, escribiste una secuencia de comandos para crear, entrenar y evaluar una red neuronal convolucional para la clasificación de imágenes en un notebook de Vertex. Luego, usaste tu secuencia de comandos para entrenar el modelo con un trabajo de entrenamiento personalizado en Vertex AI de Google Cloud. Por último, implementaste el contenedor de tu modelo en un extremo de Vertex que consultaste para realizar predicciones en línea.

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Última actualización del manual: 3 de mayo de 2024

Prueba más reciente del lab: 19 de abril de 2024

Copyright 2024 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.