
Before you begin
- Labs create a Google Cloud project and resources for a fixed time
- Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
- On the top left of your screen, click Start lab to begin
Create a Cloud Storage Bucket
/ 50
Create a dataset
/ 50
AutoML を使用すると、ML の専門知識が限られている開発者でも、高品質な画像認識モデルをトレーニングできます。AutoML UI に画像をアップロードすると、使いやすい REST API を介して、事前トレーニング済みのモデルに対して予測を生成することが可能です。
このラボでは、Cloud Storage に画像をアップロードして、さまざまな種類の雲(積雲、積乱雲など)を見分けられるようにカスタムモデルをトレーニングします。
このラボでは、次のことを行います。
こちらの手順をお読みください。ラボの時間は記録されており、一時停止することはできません。[ラボを開始] をクリックするとスタートするタイマーは、Google Cloud のリソースを利用できる時間を示しています。
このハンズオンラボでは、シミュレーションやデモ環境ではなく、実際のクラウド環境を使ってご自身でラボのアクティビティを行うことができます。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。
このラボを完了するためには、下記が必要です。
[ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるポップアップでお支払い方法を選択してください。 左側の [ラボの詳細] パネルには、以下が表示されます。
[Google Cloud コンソールを開く] をクリックします(Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウでリンクを開く] を選択します)。
ラボでリソースが起動し、別のタブで [ログイン] ページが表示されます。
ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。
必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。
[ラボの詳細] パネルでも [ユーザー名] を確認できます。
[次へ] をクリックします。
以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。
[ラボの詳細] パネルでも [パスワード] を確認できます。
[次へ] をクリックします。
その後次のように進みます。
その後、このタブで Google Cloud コンソールが開きます。
Cloud Shell は、開発ツールと一緒に読み込まれる仮想マシンです。5 GB の永続ホーム ディレクトリが用意されており、Google Cloud で稼働します。Cloud Shell を使用すると、コマンドラインで Google Cloud リソースにアクセスできます。
接続した時点で認証が完了しており、プロジェクトに各自の PROJECT_ID が設定されます。出力には、このセッションの PROJECT_ID を宣言する次の行が含まれています。
gcloud
は Google Cloud のコマンドライン ツールです。このツールは、Cloud Shell にプリインストールされており、タブ補完がサポートされています。
[承認] をクリックします。
出力は次のようになります。
出力:
出力:
出力例:
gcloud
ドキュメントの全文については、gcloud CLI の概要ガイドをご覧ください。
AutoML は、画像分類モデルのトレーニングと予測の生成におけるすべてのステップに、インターフェースを提供します。まず、Cloud AutoML API を有効にするところから始めます。
ナビゲーション メニューから、[API とサービス] > [ライブラリ] を選択します。
検索バーに「Cloud AutoML」と入力します。
Cloud AutoML API が有効になっていることを確認します。
新しいブラウザで、AutoML UI を開きます。
[進行状況を確認] をクリックして、目標に沿って進行していることを確認します。
雲の画像を分類するようにモデルをトレーニングするには、さまざまな種類の雲に関連付けられた画像の特徴をモデルが理解できるように、ラベル付けしたトレーニング データを用意する必要があります。この例のモデルは、3 種類の雲(巻雲、積雲、積乱雲)を分類できるように学習します。 AutoML を使用するには、トレーニング画像を Cloud Storage に保存する必要があります。
Cloud Shell で次のコマンドを実行します。
トレーニング画像は Cloud Storage バケットで一般公開されています。
gsutil
コマンドライン ユーティリティを使用して、バケットにトレーニング画像をコピーします。各フォルダ内の個々の画像ファイルをクリックすると、雲の種類ごとにモデルをトレーニングするための写真を表示できます。
トレーニング データは Cloud Storage に格納されました。次は AutoML からそのデータにアクセスする方法が必要となります。そこで、トレーニング画像の URL と、その画像に対応するラベルが各行に含まれる CSV ファイルを作成します。 この CSV ファイルはすでに用意してありますので、先ほどのバケット名を使用して更新してください。
コマンドが完了したら、Storage ブラウザの上部にある [更新] ボタンをクリックします。バケットに data.csv
ファイルが表示されることを確認します。
Vertex AI データセット タブを開きます。ページは以下のようになります。
コンソールの上部で、[+ 作成] をクリックします。
データセット名として「clouds」と入力します。
[画像分類(単一ラベル)] を選択します。
[作成] をクリックします。
[インポート ファイルを Cloud Storage から選択] を選択し、先ほどアップロードしたファイルの URL にファイル名を追加します(your-bucket-name/data.csv
)。
Google Cloud コンソールに戻って data.csv
ファイルをクリックし、URI フィールドに移動するとこのリンクを簡単に取得できます。
画像のインポートには、2~5 分ほどかかります。インポートが完了すると、データセット内のすべての画像を含むページが表示されます。
[進行状況を確認] をクリックして、目標に沿って進行していることを確認します。
インポートが完了すると、アップロードした画像を確認するための [参照] タブにリダイレクトされます。
左側のメニューからさまざまなラベルでフィルタして(積雲をクリックするなど)、トレーニング画像を確認してみてください。
ラベルが間違っている画像があった場合は、画像をクリックしてラベルを切り替えてください。
予測を生成する方法はいくつかあります。 このラボでは、UI を使用して画像をアップロードし、モデルが 2 つの画像をどのように分類するかを確認します(1 つ目の画像は巻雲、2 つ目の画像は積乱雲です)。
Cloud Shell ターミナルに戻ります。
これらの画像をローカルマシンにダウンロードします。
CLOUD1-JSON
の内容を確認します。出力例:
予想される出力:
このラボで扱うトピックに関する短いクイズに答えて、AutoML の理解度をテストしてください。 ラボで得た知識を使って、予測を立てます。
このモデルが画像内の雲の種類を予測できるかどうかを確認してください。
CLOUD1-JSON
を入力ファイルとして設定します。このモデルが画像内の雲の種類を予測できるかどうかを確認してください。
CLOUD2-JSON
を入力ファイルとして設定します。ウェブ UI を介して、独自のカスタム ML モデルをトレーニングし、そのモデルを使って予測を生成する方法について学びました。これで、独自の画像データセットでモデルをトレーニングするために必要な知識をすべて習得できました。
実行した作業:
このセルフペース ラボは、クエストである Machine Learning APIs と Intro to ML: Image Processing の一部です。クエストとは学習プログラムを構成する一連のラボのことで、完了すると成果が認められて上のようなバッジが贈られます。バッジは公開して、オンライン レジュメやソーシャル メディア アカウントにリンクできます。このラボの修了後、こちらのクエストまたはこのラボが含まれるクエストに登録すれば、すぐにクレジットを受け取ることができます。受講可能なすべてのクエストについては、Google Cloud Skills Boost カタログをご覧ください。
Cloud Vision API で画像内の物体(ラベル)、顔、ランドマークを検出するに進んでクエストを続けるか、下記のおすすめをご確認ください。
Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。
マニュアルの最終更新日: 2023 年 10 月 20 日
ラボの最終テスト日: 2023 年 10 月 20 日
Copyright 2025 Google LLC All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。
このコンテンツは現在ご利用いただけません
利用可能になりましたら、メールでお知らせいたします
ありがとうございます。
利用可能になりましたら、メールでご連絡いたします
One lab at a time
Confirm to end all existing labs and start this one