GSP634

總覽

在其他實驗室中，Fashion MNIST 資料集用於訓練圖片分類器。本例中，您有一張尺寸為 28x28 且主體置中的圖片。您將在本實驗室進一步訓練分類器，不論主體位於圖片何處，分類器都能識別圖片中的特徵。

做法是建構「馬匹或人類」分類器，運用經過訓練的類神經網路來識別特徵，判斷圖片中包含馬還是人。

目標

本實驗室的學習內容包括：

• 瞭解初始模型
• 新增卷積、收集資料與定義模型
• 編譯及訓練模型
• 以視覺化方式呈現卷積和彙整資料

事前準備

本實驗室可獨立進行，但為了最大化學習效益，建議您先完成「使用 TensorFlow 卷積類神經網路來分類圖片」。

設定和需求

點選「Start Lab」按鈕前的須知事項

請詳閱以下操作說明。研究室活動會計時，而且中途無法暫停。點選「Start Lab」 後就會開始計時，讓您瞭解有多少時間可以使用 Google Cloud 資源。

您將在真正的雲端環境中完成實作研究室活動，而不是在模擬或示範環境。為達此目的，我們會提供新的暫時憑證，讓您用來在研究室活動期間登入及存取 Google Cloud。

如要完成這個研究室活動，請先確認：

• 您可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意：請使用無痕模式或私密瀏覽視窗執行此研究室。這可以防止個人帳戶和學生帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成研究室活動了！別忘了，活動一開始將無法暫停。

注意：如果您擁有個人 Google Cloud 帳戶或專案，請勿用於本研究室，以免產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 按一下「Start Lab」(開始研究室) 按鈕。如果研究室會產生費用，畫面中會出現選擇付款方式的彈出式視窗。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的暫時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，然後選取「在無痕式視窗中開啟連結」。

   接著，實驗室會啟動相關資源並開啟另一個分頁，當中顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

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

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

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

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要查看列出 Google Cloud 產品和服務的選單，請點選左上角的「導覽選單」。

啟動 Cloud Shell

Cloud Shell 是搭載多項開發工具的虛擬機器，提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權，方便您使用 Google Cloud 資源。

1. 點按 Google Cloud 控制台上方的「啟用 Cloud Shell」圖示 。

連線完成即代表已通過驗證，且專案已設為您的 PROJECT_ID。輸出內容中有一行宣告本工作階段 PROJECT_ID 的文字：

您在本工作階段中的 Cloud Platform 專案會設為「YOUR_PROJECT_ID」

gcloud 是 Google Cloud 的指令列工具，已預先安裝於 Cloud Shell，並支援 Tab 鍵自動完成功能。

2. (選用) 您可以執行下列指令來列出使用中的帳戶：

gcloud auth list

3. 點按「授權」。

4. 輸出畫面應如下所示：

輸出內容：

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

5. (選用) 您可以使用下列指令來列出專案 ID：

gcloud config list project

輸出內容：

[core] project = <project_ID>

輸出內容範例：

[core] project = qwiklabs-gcp-44776a13dea667a6 附註：如需有關 gcloud 的完整說明，請前往 Google Cloud 並參閱「gcloud CLI overview guide」(gcloud CLI 總覽指南)。

工作 1：啟用 Google Cloud 服務

• 前往 Cloud Shell，使用 gcloud 啟用本實驗室會用到的服務

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

這會授予存取權，以透過 Vertex AI 執行模型訓練、部署和說明工作。

點選「Check my progress」，確認目標已達成。 啟用 Google Cloud 服務

工作 2：部署 Vertex 筆記本執行個體

本實驗室已透過 JupyterLab 和許多預先佈建的機器學習框架，為您設定了 Vertex 筆記本執行個體。

請前往並開啟該執行個體：

1. 前往 Cloud 控制台，依序點選「Vertex AI」>「Workbench」。

2. 前往「使用者自行管理的筆記本」。

3. 在預先佈建的 Vertex 筆記本執行個體名稱旁邊，點選「OPEN JUPYTERLAB」。「OPEN JUPYTERLAB」選項會在幾分鐘內顯示。

工作 3：前往實驗室筆記本

1. 在 Vertex 筆記本中前往下列目錄：

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

2. 開啟「CLS_Vertex_AI_CNN_horse_or_human.ipynb」

3. 在筆記本中繼續完成實驗室工作，然後點選畫面頂端的「執行」圖示 來執行每個儲存格。您也能按下 Shift + Enter 鍵，執行儲存格中的程式碼。

閱讀相關說明，確定您瞭解每個儲存格的狀況。

為了透過 Vertex AI 查看訓練及部署的狀態，請按照筆記本 (附圖) 中的說明操作。

在筆記本中確認進度

建立 Cloud Storage bucket

注意：建立 bucket 會變更您在學生資源面板中獲派的 REGION。

點選「Check my progress」，確認 bucket 是否建立完成。 建立 Cloud Storage bucket

透過 Vertex AI 訓練模型

點選「Check my progress」，確認目標已達成。 透過 Vertex AI 訓練模型

複製批次預測結果

點選「Check my progress」，確認目標已達成。 複製批次預測結果

恭喜！

在本實驗室中，您使用卷積來識別圖片中的特徵，不論主體位於圖片何處都沒問題！

後續步驟/瞭解詳情

• 參閱 Tensorflow 說明文件，瞭解 ImageDataGenerator
• 前往 Keras DataGenerator 進一步瞭解相關資訊

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2024 年 7 月 22 日

實驗室上次測試日期：2024 年 7 月 22 日

Copyright 2024 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。