概览

本实验介绍如何训练适用于图片数据的分类模型，以及如何将该模型部署到 Vertex AI 以提供包含解释（特征归因）的预测。

学习目标

1. 使用 Vertex AI 构建和训练自定义图片分类模型。
2. 将模型部署到端点。
3. 提供包含解释的预测。
4. 通过积分梯度直观呈现特征归因。

任务 0. 设置和要求

对于每个实验，您都会免费获得一个新的 Google Cloud 项目及一组资源，它们都有固定的使用时限。

1. 请使用无痕式窗口登录 Qwiklabs。

2. 留意实验的访问时限（例如 1:15:00）并确保能在相应时间段内完成实验。
   系统不提供暂停功能。如有需要，您可以重新开始实验，不过必须从头开始。

3. 准备就绪时，点击开始实验。

4. 请记好您的实验凭据（用户名和密码）。您需要使用这组凭据来登录 Google Cloud 控制台。

5. 点击打开 Google 控制台。

6. 点击使用其他账号，然后将此实验的凭据复制并粘贴到相应提示框中。
   如果您使用其他凭据，将会收到错误消息或产生费用。

7. 接受条款并跳过恢复资源页面。

启用 Notebooks API

1. 在 Google Cloud 控制台的导航菜单中，依次点击 API 和服务 > 库。

2. 搜索 Notebooks API，然后按 Enter 键。

3. 点击 Notebooks API 的搜索结果，如果该 API 尚未启用，请点击启用。

启用 Vertex AI API

1. 在 Google Cloud 控制台的导航菜单中，依次点击 Vertex AI > 信息中心。

2. 点击启用所有推荐的 API。

点击“检查我的进度”以验证是否完成了以下目标： 启用 Notebooks API 和 Vertex AI API

任务 1. 打开 Vertex AI Workbench 实例

1. 在 Google Cloud 控制台的导航菜单中点击 Vertex AI > Workbench。

2. 在实例页面上，点击新建。

3. 请使用默认可用区和区域： 。 保持其余设置不变，然后点击创建。新的虚拟机将需要 2-3 分钟来启动。

4. 点击打开 JupyterLab。 一个 JupyterLab 窗口会在新标签页中打开。

点击“检查我的进度”以验证是否完成了以下目标： 创建 Vertex AI Workbench 实例

任务 2. 在 Vertex AI Workbench 实例中克隆一个课程仓库

如需在您的 JupyterLab 实例中克隆笔记本，请执行以下操作：

1. 在 JupyterLab 中打开一个新的终端窗口。

2. 在命令行提示符处运行以下命令：

git clone https://github.com/GoogleCloudPlatform/asl-ml-immersion.git cd asl-ml-immersion export PATH=$PATH:~/.local/bin make install

3. 如需确认已克隆该仓库，请双击 asl-ml-immersion 目录，确保您能看到相应内容。 整个课程中基于 Jupyter 笔记本的所有实验的相应文件都位于此目录中。

点击“检查我的进度”以验证是否完成了以下目标： 在您的 Vertex AI Platform Notebooks 实例中克隆课程仓库

任务 3. 探索 Vertex AI 上 TensorFlow 模型的可解释性

1. 在笔记本界面中，访问 asl-ml-immersion > 笔记本 > responsible_ai > explainable_ai > 解决方案，然后打开 xai_image_vertex.ipynb。

2. 在笔记本界面中，依次点击修改 > 清除所有输出项。

3. 仔细阅读笔记本说明并完成运行笔记本。

提示：如需运行当前单元，请点击该单元并按下 Shift + Enter。笔记本界面中的运行下列出了其他单元命令。

结束实验

完成实验后，请点击结束实验。Qwiklabs 会移除您使用过的资源并为您清理帐号。

系统会提示您为实验体验评分。请选择相应的评分星级，输入评论，然后点击提交。

星级的含义如下：

• 1 颗星 = 非常不满意
• 2 颗星 = 不满意
• 3 颗星 = 一般
• 4 颗星 = 满意
• 5 颗星 = 非常满意

如果您不想提供反馈，可以关闭该对话框。

如果要留言反馈、提出建议或做出更正，请使用支持标签页。

版权所有 2020 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。