arrow_back

Classify Images with TensorFlow on Google Cloud: 챌린지 실습

로그인 가입
지식을 테스트하고 커뮤니티와 공유하기

Classify Images with TensorFlow on Google Cloud: 챌린지 실습

실습 1시간 30분 universal_currency_alt 크레딧 5개 show_chart 중급
info 이 실습에는 학습을 지원하는 AI 도구가 통합되어 있을 수 있습니다.
지식을 테스트하고 커뮤니티와 공유하기

GSP398

개요

챌린지 실습에서는 특정 시나리오와 일련의 작업이 주어집니다. 단계별 안내를 따르는 대신, 과정의 실습에서 배운 기술을 사용하여 스스로 작업을 완료하는 방법을 알아내 보세요. 이 페이지에 표시되어 있는 자동 채점 시스템에서 작업을 올바르게 완료했는지 피드백을 제공합니다.

챌린지 실습을 진행할 때는 새로운 Google Cloud 개념에 대한 정보가 제공되지 않습니다. 학습한 기술을 응용하여 기본값을 변경하거나 오류 메시지를 읽고 조사하여 실수를 바로잡아야 합니다.

100점을 받으려면 시간 내에 모든 작업을 성공적으로 완료해야 합니다.

이 실습은 Classify Images with TensorFlow on Google Cloud 기술 배지 과정에 등록한 수강생에게 권장됩니다. 챌린지에 도전할 준비가 되셨나요?

테스트 주제:

  • 이미지 분류를 위해 CNN을 학습시키는 스크립트를 작성하고 학습된 모델을 지정된 디렉터리에 저장합니다.
  • Vertex AI 커스텀 학습 작업을 사용하여 학습 스크립트를 실행합니다.
  • 학습된 모델을 Vertex 온라인 예측 엔드포인트에 배포하여 예측을 제공합니다.
  • 온라인 예측을 요청하고 응답을 확인합니다.

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머에는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지 표시됩니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

  • 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)
참고: 이 실습을 실행하려면 시크릿 모드 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학생 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.
  • 실습을 완료하기에 충분한 시간---실습을 시작하고 나면 일시중지할 수 없습니다.
참고: 계정에 추가 요금이 발생하지 않도록 하려면 개인용 Google Cloud 계정이나 프로젝트가 이미 있어도 이 실습에서는 사용하지 마세요.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

  1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 팝업이 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 패널이 있습니다.

    • Google Cloud 콘솔 열기 버튼
    • 남은 시간
    • 이 실습에 사용해야 하는 임시 사용자 인증 정보
    • 필요한 경우 실습 진행을 위한 기타 정보

  2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

    실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

    팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

    참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

  3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

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

    실습 세부정보 패널에서도 사용자 이름을 확인할 수 있습니다.

  4. 다음을 클릭합니다.

  5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

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

    실습 세부정보 패널에서도 비밀번호를 확인할 수 있습니다.

  6. 다음을 클릭합니다.

    중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

  7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

    • 이용약관에 동의합니다.
    • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
    • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스 목록이 있는 메뉴를 보려면 왼쪽 상단의 탐색 메뉴를 클릭합니다.

Cloud Shell 활성화

Cloud Shell은 다양한 개발 도구가 탑재된 가상 머신으로, 5GB의 영구 홈 디렉터리를 제공하며 Google Cloud에서 실행됩니다. Cloud Shell을 사용하면 명령줄을 통해 Google Cloud 리소스에 액세스할 수 있습니다.

  1. Google Cloud 콘솔 상단에서 Cloud Shell 활성화 를 클릭합니다.

연결되면 사용자 인증이 이미 처리된 것이며 프로젝트가 PROJECT_ID로 설정됩니다. 출력에 이 세션의 PROJECT_ID를 선언하는 줄이 포함됩니다.

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud는 Google Cloud의 명령줄 도구입니다. Cloud Shell에 사전 설치되어 있으며 명령줄 자동 완성을 지원합니다.

  1. (선택사항) 다음 명령어를 사용하여 활성 계정 이름 목록을 표시할 수 있습니다.
gcloud auth list

  1. 승인을 클릭합니다.

  2. 다음과 비슷한 결과가 출력됩니다.

출력:

ACTIVE: * ACCOUNT: student-01-xxxxxxxxxxxx@qwiklabs.net To set the active account, run: $ gcloud config set account `ACCOUNT`
  1. (선택사항) 다음 명령어를 사용하여 프로젝트 ID 목록을 표시할 수 있습니다.
gcloud config list project

출력:

[core] project = <project_ID>

출력 예시:

[core] project = qwiklabs-gcp-44776a13dea667a6 참고: gcloud 전체 문서는 Google Cloud에서 gcloud CLI 개요 가이드를 참조하세요.

Google Cloud 서비스 사용 설정하기

  1. Cloud Shell에서 gcloud를 사용하여 실습에서 사용할 서비스를 사용 설정합니다.
gcloud services enable \ compute.googleapis.com \ monitoring.googleapis.com \ logging.googleapis.com \ notebooks.googleapis.com \ aiplatform.googleapis.com \ artifactregistry.googleapis.com \ container.googleapis.com

이렇게 하면 Vertex AI에서 모델 학습, 배포, 설명 작업을 실행할 권한을 얻게 됩니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Google Cloud 서비스 사용 설정하기

챌린지 시나리오

여러분은 최근 광학 문자 인식 앱 개발팀의 머신러닝 엔지니어로 채용되었습니다. 관리자는 여러분에게 히라가나 알파벳을 인식하는 머신러닝 모델을 빌드하는 임무를 맡겼습니다. 문제점: 비즈니스 요구사항에 따라 기존 부트스트랩 솔루션을 개선하기 위해 90% 이상의 정확도를 달성하는 모델을 불과 6주 내에 만들어야 합니다. 또한 스타트업의 데이터 웨어하우스에서 탐색 분석을 수행한 결과, 6만 개의 알파벳 이미지로 구성된 소규모 데이터 세트만을 사용하여 고성능 솔루션을 빌드해야 한다는 것을 알게 되었습니다.

제한된 데이터로 신속하게 고성능 머신러닝 모델을 빌드하고 배포하기 위해 Google Cloud의 Vertex AI 플랫폼에서 온라인 예측을 위한 CNN 분류기를 학습시키고 배포하려고 합니다. Vertex AI는 Google Cloud의 차세대 머신러닝 개발 플랫폼으로, 여기서 최신 ML 사전 빌드 구성요소를 활용하여 개발 생산성을 대폭 높이고 데이터를 통해 워크플로와 의사 결정의 규모를 조정하고 가치 창출 시간을 단축할 수 있습니다.

먼저 일반적인 실험용 워크플로를 진행하면서 tf.keras 분류 레이어를 사용하여 커스텀 CNN 모델을 학습시키는 스크립트를 작성합니다. 그런 다음 모델 코드를 커스텀 학습 작업에 보내고, Vertex AI가 학습 및 예측 실행용으로 제공하는 사전 빌드된 Docker 컨테이너를 사용하여 커스텀 학습 작업을 실행합니다. 마지막으로 모델을 사용해 예측할 수 있도록 엔드포인트에 모델을 배포합니다.

작업 1. Vertex 노트북 인스턴스 만들기

  1. Vertex AI > Workbench > 사용자 관리 노트북으로 이동합니다.

  2. 노트북 인스턴스를 만듭니다. TensorFlow Enterprise 2.11(GPU 사용 안 함)을 선택합니다. 노트북 이름을 cnn-challenge로 지정하고 기본 구성을 그대로 둡니다.

  3. 리전을 선택하고 영역은 을(를) 선택합니다.

  4. 사전 프로비저닝된 Vertex 노트북 인스턴스 이름 옆의 JupyterLab 열기를 클릭합니다. JupyterLab 열기 옵션이 표시되기까지 몇 분 정도 걸릴 수 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Vertex AI 노트북 인스턴스 만들기

작업 2. 챌린지 노트북 다운로드하기

  1. 노트북에서 터미널을 클릭합니다.

  2. 저장소를 클론합니다.

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

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 챌린지 노트북 다운로드하기

  1. 바깥쪽 폴더로 이동합니다. training-data-analyst/self-paced-labs/learning-tensorflow/cnn-challenge-lab/

  2. 노트북 파일 cnn-challenge-lab.ipynb를 엽니다.

  3. 설정 섹션에서 PROJECT_ID와 GCS_BUCKET 변수를 정의합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Cloud Storage 버킷 만들기

작업 3. 학습 스크립트 만들기

이 섹션에서는 TensorFlow를 사용하여 학습 스크립트 task.py를 완성합니다.

TensorFlow CNN 분류기 작성

  1. #TODO 섹션을 작성하여 모델 생성을 위한 마지막 레이어를 추가합니다.

  2. #TODO 섹션을 작성하여 모델을 저장합니다. AIP_MODEL_DIR 환경 변수에 저장해야 합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 학습 스크립트 만들기

작업 4. 모델 학습시키기

Vertex AI에서 커스텀 학습 작업 정의

  1. #TODO 섹션을 작성하여 Vertex AI에서 커스텀 학습 작업을 만듭니다. 여기서 관련 문서를 참조할 수 있습니다.
힌트: script_path, container_uri, model_serving_container_image_uri 파라미터를 지정해야 합니다.

Vertex AI 파이프라인을 사용하여 모델 학습

  1. #TODO 섹션을 작성하고 위에서 정의한 커스텀 학습 작업 함수를 실행합니다. 여기서 관련 문서를 참조할 수 있습니다.
힌트: args 및 machine_type 파라미터를 지정해야 합니다. 참고: 모델 학습에는 8~10분이 소요될 수 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Vertex AI에서 모델 학습시키기

작업 5. Vertex 온라인 예측 엔드포인트에 모델 배포하기

  1. #TODO 섹션을 작성하여 엔드포인트에 모델을 배포합니다. 여기서 관련 문서를 참조할 수 있습니다.
힌트: traffic_split, machine_type, min_replica_count, max_replica_count 파라미터를 지정해야 합니다. 참고: 모델 배포에는 10~15분 정도 소요될 수 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 모델 배포하기

작업 6. Vertex 온라인 예측 엔드포인트에서 배포된 모델 쿼리하기

  1. #TODO 섹션을 작성하여 Vertex 엔드포인트를 사용해서 온라인 예측을 생성합니다. 여기서 관련 문서를 참조할 수 있습니다.
엔드포인트가 쿼리됨

수고하셨습니다

Google Cloud에서 Vertex AI를 사용하여 모델을 학습시키고 배포하는 워크플로를 만들었습니다. 먼저 Vertex 노트북에서 이미지 분류를 위한 컨볼루셔널 신경망을 빌드, 학습, 평가하기 위한 스크립트를 작성했습니다. 그런 다음 스크립트를 통해 Google Cloud의 Vertex AI에서 커스텀 학습 작업을 사용하여 모델을 학습시켰습니다. 마지막으로, Vertex 엔드포인트에 모델 컨테이너를 배포하고 온라인 예측을 위해 모델을 쿼리했습니다.

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2024년 5월 3일

실습 최종 테스트: 2024년 4월 19일

Copyright 2025 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.

Before you begin

  1. Labs create a Google Cloud project and resources for a fixed time
  2. Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
  3. On the top left of your screen, click Start lab to begin

현재 이 콘텐츠를 이용할 수 없습니다

이용할 수 있게 되면 이메일로 알려드리겠습니다.

감사합니다

이용할 수 있게 되면 이메일로 알려드리겠습니다.

One lab at a time

Confirm to end all existing labs and start this one

Use private browsing to run the lab

Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the Student account, which may cause extra charges incurred to your personal account.