GSP1166

Présentation

Model Garden sur Vertex AI est une bibliothèque centralisée permettant de rechercher, découvrir et utiliser un large éventail de modèles proposés par Google et ses partenaires. Model Garden est disponible dans Vertex AI et accessible depuis la console Google Cloud.

Cet atelier propose un cas d'utilisation qui vous permet d'explorer Model Garden, puis d'utiliser Vertex AI Studio pour créer des requêtes et les tester.

Objectifs

Dans cet atelier, vous allez apprendre à :

• utiliser Model Garden sur Vertex AI pour trouver le modèle adapté à votre cas d'utilisation ;
• connaître les types de modèles Vertex AI dans Model Garden.

Cas d'utilisation

Vous travaillez comme analyste marketing pour le compte d'une agence immobilière. Votre entreprise souhaite exploiter de grands modèles de langage (LLM) pour afficher de courtes descriptions textuelles de biens immobiliers correspondant aux critères des acheteurs potentiels, ainsi que des informations concernant les prêts immobiliers.

Votre mission consiste à créer des requêtes capables de résumer de très longs descriptifs de logements présentés sur votre site immobilier. Les contenus en question sont stockés dans un fichier qui est hébergé au sein d'un bucket Google Cloud Storage.

Pour gagner du temps, commencez par explorer les modèles prédéfinis disponibles dans Model Garden afin d'implémenter une solution aussi rapidement que possible.

Vertex AI

Vertex AI est la plate-forme d'intelligence artificielle unifiée de Google Cloud pour la gestion des projets de machine learning et d'IA générative.

Model Garden

Model Garden sur Vertex AI est une collection de modèles de machine learning pré-entraînés et d'outils conçus pour simplifier le processus de création et de déploiement des modèles de machine learning.

Ces modèles peuvent présenter un large éventail de types et de tailles. Model Garden propose des modèles propriétaires tels que les modèles multimodaux de Google pour la vision, le dialogue, la génération et la complétion de code, mais aussi un large choix de modèles Open Source adaptés aux entreprises.

Model Garden fournit également divers outils pour vous aider à exploiter ces modèles, tels que :

• les fiches de modèle, qui fournissent des informations détaillées concernant chaque modèle, y compris sa justesse, ses performances et ses données d'entraînement ;
• la conception de requêtes, qui vous permet d'interagir avec un modèle à travers une UI simple et de régler le modèle à l'aide de vos propres données.

L'un des modèles disponibles dans Model Garden est l'API Cloud Natural Language. L'API Cloud Natural Language vous permet d'extraire des entités à partir de texte, d'effectuer des analyses des sentiments et de la syntaxe, ainsi que de classer du texte selon des catégories.

Vertex AI Studio

Vertex AI Studio est un outil de la console Google Cloud qui permet de prototyper et de tester rapidement des modèles d'IA générative. Vous pouvez utiliser des exemples de requêtes, concevoir vos propres requêtes et personnaliser des modèles de fondation afin de traiter des tâches qui répondent aux besoins de votre application. Generative AI Studio vous permet de :

• tester des modèles à l'aide d'exemples de requêtes ;
• concevoir et enregistrer vos propres requêtes ;
• régler un modèle de fondation ;
• convertir la voix en texte et inversement.

Préparation

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre vous-même les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Nous vous fournissons des identifiants temporaires pour vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

• vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome) ;

Remarque : Ouvrez une fenêtre de navigateur en mode incognito/navigation privée pour effectuer cet atelier. Vous éviterez ainsi les conflits entre votre compte personnel et le temporaire étudiant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.

• vous disposez d'un temps limité ; une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.

Remarque : Si vous possédez déjà votre propre compte ou projet Google Cloud, veillez à ne pas l'utiliser pour réaliser cet atelier afin d'éviter que des frais supplémentaires ne vous soient facturés.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, un pop-up s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau Détails concernant l'atelier, qui contient les éléments suivants :

   • Le bouton Ouvrir la console Google Cloud
   • Le temps restant
   • Les identifiants temporaires que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier

2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée si vous utilisez le navigateur Chrome).

   L'atelier lance les ressources, puis ouvre la page Se connecter dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

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

   Vous trouverez également le nom d'utilisateur dans le panneau Détails concernant l'atelier.

4. Cliquez sur Suivant.

5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

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

   Vous trouverez également le mot de passe dans le panneau Détails concernant l'atelier.

6. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis pour l'atelier. Ne saisissez pas ceux de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

7. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas à des essais gratuits.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour afficher un menu contenant la liste des produits et services Google Cloud, cliquez sur le menu de navigation en haut à gauche.

Activer les API

1. Dans la console Google Cloud, ouvrez le menu de navigation (), cliquez sur Plus de produits, puis sélectionnez Vertex AI dans la section Intelligence artificielle.

2. Dans le tableau de bord Vertex AI, cliquez sur Activer toutes les API recommandées.

Tâche 1 : Explorer Model Garden

Pour afficher la liste des modèles Vertex AI et Open Source disponibles (modèles de fondation, réglables ou spécifiques à une tâche), accédez à Model Garden.

• Depuis le tableau de bord Vertex AI, dans le volet Outils sur la gauche, cliquez sur Model Garden.

Les catégories de modèles disponibles dans Model Garden sont les suivantes :

Catégorie	Description
Modèles de fondation	Modèles volumineux pré-entraînés et multitâches, qui peuvent être réglés ou personnalisés pour accomplir des tâches spécifiques à l'aide d'AI Studio, de l'API Vertex AI et du SDK Vertex AI pour Python.
Modèles ajustables	Modèles que vous pouvez affiner avec un notebook ou un pipeline personnalisé.
Solutions spécifiques à une tâche	La plupart de ces modèles prédéfinis sont prêts à l'emploi. Bon nombre d'entre eux peuvent être personnalisés à l'aide de vos propres données.

Les fiches de modèle sont listées sur la page Model Garden Vertex AI. Ouvrez une fiche de modèle de chaque catégorie. Par exemple, familiarisez-vous avec le modèle d'analyse des sentiments, qui inspecte le texte fourni et identifie l'opinion émotionnelle dominante au sein de ce texte. Ce modèle serait utile pour analyser le sentiment des avis Google reçus par votre agence immobilière, afin de suivre la satisfaction de vos clients.

Modèles disponibles dans AI Studio

1. Depuis le tableau de bord Vertex AI, dans le volet Outils sur la gauche, cliquez sur Model Garden pour revenir à la page principale de Model Garden.
2. Dans la section Modèles de fondation, cliquez sur Tout afficher, puis cliquez sur le lien Afficher les détails disponible dans la fiche du modèle PaLM 2 Text Bison.

La page d'informations fournit une présentation du modèle PaLM 2 pour le texte, y compris une description du modèle, un aperçu des cas d'utilisation potentiels et la documentation du modèle.

Notez la présence du bouton Ouvrir dans Vertex AI Studio, qui ouvre l'interface de langage d'AI Studio dans laquelle vous pouvez interagir avec le modèle et le tester. AI Studio est une fonctionnalité de Vertex AI. Elle simplifie l'écriture et le réglage des requêtes de texte, de chat et de génération de code, et les rend intuitifs.

3. Cliquez sur Ouvrir dans Vertex AI Studio afin d'ouvrir PaLM 2 pour le texte dans l'interface de langage d'AI Studio.

Vous pouvez maintenant tester ce modèle pour découvrir comment il répond aux requêtes.

Tester la tâche terminée

Cliquez sur Vérifier ma progression pour valider la tâche exécutée.

Explorer Model Garden

Tâche 2 : Explorer les types de modèles

Model Garden est un outil qui permet de découvrir des modèles de fondation et des modèles Open Source populaires, et d'interagir avec ces modèles, de manière centralisée. Vous pouvez choisir, parmi tous les modèles adaptés aux entreprises à votre disposition, le modèle adapté à votre cas d'utilisation, à votre niveau d'expertise en ML et à votre budget.

Avec Model Garden, vous pouvez suivre différents workflows, y compris :

• utiliser un modèle directement en tant qu'API ;
• régler le modèle dans AI Studio ;
• utiliser le modèle directement dans un notebook Jupyter depuis Vertex AI Workbench ;
• faciliter le déploiement de pipelines d'entraînement d'un modèle.

Dans cet atelier, vous allez explorer certains de ces workflows.

Modèles dans un notebook Jupyter

1. Dans le volet Outils sur la gauche, cliquez sur Model Garden pour revenir à la page Model Garden Vertex AI.
2. En bas de la section Modèles de fondation, cliquez sur Tout afficher pour développer la liste complète des modèles de fondation.

Vous pouvez voir dans le volet de gauche un certain nombre de types de groupes de modèles, qui vous permettent de filtrer la liste sur les modèles correspondant à vos besoins spécifiques. Pour afficher uniquement les modèles liés à la vision et à la détection :

3. Sous Modalités, cliquez sur Vision.
4. Sous Tâches, cliquez sur Détection.

Notez que la section "Modèles de fondation" ne liste maintenant plus que quelques modèles. Le modèle Owl-ViT est un modèle de détection d'objets zero-shot conditionné par du texte, capable d'interroger une image avec une ou plusieurs requêtes textuelles.

5. Cliquez sur le lien Afficher les détails dans la fiche du modèle Owl-ViT.

Notez que la page Vertex AI OWL-ViT inclut un lien Ouvrir le notebook pour ouvrir un notebook JupyterLab.

6. Cliquez sur Ouvrir le notebook pour ouvrir le notebook Colab Owl-ViT dans un nouvel onglet.

Vous pouvez passer en revue le notebook Colab, mais vous n'avez pas besoin de l'exécuter.

Ce notebook Colab montre comment déployer le modèle Owl-ViT pré-entraîné sur Vertex AI pour la prédiction en ligne.

Pour en savoir plus sur les notebooks Colab, accédez à la page d'accueil de Google Colaboratory.

7. Fermez l'onglet du notebook Colab pour revenir à l'onglet de la console Cloud.

Pour les modèles que vous souhaitez affiner, Model Garden sur Vertex AI vous offre un moyen facile de vous lancer.

Modèles faisant partie de pipelines d'entraînement de modèle

1. Dans le volet Outils sur la gauche, cliquez sur Model Garden pour revenir à la page Model Garden Vertex AI.

2. Effacez les filtres sélectionnés dans Modalités et Tâches, le cas échéant.

3. Dans la barre de recherche Rechercher des modèles, saisissez "bert" et sélectionnez le modèle BERT dans la liste des résultats.

   Remarque : Selon la largeur de votre navigateur, vous devrez peut-être cliquer sur Tout afficher ou développer votre fenêtre pour pouvoir afficher la fiche du modèle BERT.

4. Si nécessaire, cliquez sur le lien Afficher les détails pour le modèle BERT.

5. Cliquez sur Affiner pour ouvrir le pipeline Vertex AI bert-fine-tuning.

Vous pouvez passer en revue le pipeline, mais vous n'avez pas besoin de l'exécuter.

Cliquez sur Vérifier ma progression pour valider la tâche exécutée.

Explorer les types de modèles

Vous accédez à un exemple que vous pouvez utiliser pour affiner et déployer ce modèle. Vous pouvez voir les différents composants du pipeline que cet exemple est amené à exécuter.

Dans votre propre environnement de production, vous seriez amené à cliquer sur Créer un pipeline, à fournir ou confirmer les informations requises, puis à cliquer sur Envoyer. Cela déploie le pipeline sans que vous ayez à écrire de code.

Félicitations !

Vous vous êtes servi de Model Garden et d'AI Studio pour créer et tester des requêtes destinées à différents cas d'utilisation de l'IA générative. Vous avez également exploré l'UI d'AI Studio.

Étapes suivantes et informations supplémentaires

• Vidéo : Premiers pas avec Vertex AI
• Pour comprendre la terminologie, consultez le glossaire du machine learning
• Lisez la documentation officielle de Vertex AI Studio.
• En savoir plus au sujet de Model Garden sur Vertex AI :
  • Site Web de Model Garden sur Vertex AI
  • Documentation de Model Garden
  • Blog sur l'IA et le machine learning (faites défiler pour localiser l'article de blog consacré à Model Garden)

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 5 mars 2024

Dernier test de l'atelier : 5 mars 2024

Copyright 2024 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.