GSP634

概览

在其他实验中，Fashion MNIST 数据集用于训练图片分类器。在那些实验中，您的图片尺寸为 28x28，主体位于图片中心。而在本实验中，您将更进一步，训练模型来识别图片中的特征，其中的主体可能位于图片中的任何位置！

为此，您将构建一个分类器，用它来识别给定图片中是否包含马或人，您需要训练此网络识别马与人的特征。

目标

在本实验中，您将学习如何完成以下操作：

• 了解初始模型
• 添加卷积、收集数据，并定义模型
• 编译和训练模型
• 对卷积和 pooling 过程进行可视化分析

前提条件

虽然这是一个独立的实验，但为了最大限度地提高您的学习效果，请考虑参加使用 TensorFlow 卷积神经网络进行图片分类实验。

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 启用实验中要用到的服务

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

在这之后，您将能够使用 Vertex AI 运行模型训练、部署和解释作业。

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

任务 2. 部署 Vertex 笔记本实例

本实验已预配一个 Vertex 笔记本实例，该实例配置有 JupyterLab 和多种机器学习框架。

前往该实例并将其打开：

1. 在 Cloud 控制台中，前往 Vertex AI > Workbench。

2. 进入用户管理的笔记本。

3. 点击预配置的 Vertex 笔记本实例名称旁边的打开 JupyterLab。打开 JupyterLab 选项可能需要几分钟时间才会显示。

任务 3. 前往实验笔记本

1. 在 Vertex 笔记本中，进入以下目录：

training-data-analyst/self-paced-labs/learning-tensorflow/convolutions-with-complex-images/

2. 打开 CLS_Vertex_AI_CNN_horse_or_human.ipynb

3. 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。

如需查看 Vertex AI 上的模型训练和部署状态，您可以按照笔记本中带插图的说明进行操作。

在笔记本中检查进度

创建 Cloud Storage 存储桶

注意：创建存储桶时，请更改学生资源面板中已分配给您的 REGION。

点击“检查我的进度”，验证是否已创建存储桶。 创建 Cloud Storage 存储桶

在 Vertex AI 上训练模型

点击“检查我的进度”，验证是否完成了以下目标： 在 Vertex AI 上训练模型

复制批量预测结果

点击“检查我的进度”，验证是否完成了以下目标： 复制批量预测结果

恭喜！

在本实验中，您使用卷积识别了图片中的特征，其中的主体可能位于图片中的任何位置！

后续步骤/了解详情

• 查看有关 ImageDataGenerator 的 TensorFlow 文档
• 前往 Keras DataGenerator 详细了解相关信息。

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 7 月 22 日

上次测试实验的时间：2024 年 7 月 22 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。