menu
arrow_back

AI Platform : Qwik Start

AI Platform : Qwik Start

Hours 1 Credit

GSP076

Google Cloud – Ateliers adaptés au rythme de chacun

Présentation

Dans cet atelier, vous allez apprendre à entraîner un modèle TensorFlow, à la fois en local et sur AI Platform. Vous déploierez ensuite votre modèle dans AI Platform pour effectuer des prédictions. Vous allez entraîner un modèle à fournir des prédictions sur la catégorie de revenus d'une personne en utilisant l'ensemble de données relatif aux revenus issu d'un recensement effectué aux États-Unis.

Cet atelier vous offre l'occasion d'expérimenter l'intégralité du processus d'entraînement et de prédiction sur AI Platform. Vous allez utiliser un ensemble de données de recensement pour réaliser les tâches suivantes :

  • Créer et valider une application d'entraînement TensorFlow en local
  • Exécuter votre tâche d'entraînement sur une instance nœud de calcul unique dans le cloud
  • Exécuter votre tâche d'entraînement en tant que tâche d'entraînement distribuée dans le cloud
  • Optimiser vos hyperparamètres en utilisant les réglages d'hyperparamètres
  • Déployer un modèle pour appuyer la prédiction
  • Demander une prédiction en ligne et afficher la réponse
  • Demander une prédiction par lots

Objectifs de l'atelier

L'exemple présenté ici crée un modèle large et profond pour prédire la catégorie de revenus, en se basant sur un ensemble de données relatif aux revenus issu d'un recensement effectué aux États-Unis. Les deux catégories de revenus, également appelées "étiquettes", sont les suivantes :

  • >50K : revenus supérieurs à 50 000 dollars
  • <=50K : revenus inférieurs ou égaux à 50 000 dollars

Ces modèles utilisent des réseaux de neurones profonds (DNN, Deep Neural Network) pour apprendre des abstractions générales sur des caractéristiques complexes ou des interactions entre ces caractéristiques. Ils associent ensuite les sorties du DNN à une régression linéaire effectuée sur des caractéristiques plus simples. Cela aboutit à un juste équilibre entre puissance et vitesse, qui s'avère efficace pour de nombreux problèmes liés aux données structurées.

L'exemple définit le modèle en utilisant la classe préconfigurée DNNCombinedLinearClassifier de TensorFlow. Il définit également les transformations de données qui concernent particulièrement l'ensemble de données de recensement, avant d'attribuer ces caractéristiques (potentiellement) transformées au DNN ou à la partie linéaire du modèle.

Join Qwiklabs to read the rest of this lab...and more!

  • Get temporary access to the Google Cloud Console.
  • Over 200 labs from beginner to advanced levels.
  • Bite-sized so you can learn at your own pace.
Join to Start This Lab
Score

—/100

Set up a Google Cloud Storage bucket

Réaliser l'étape

/ 20

Upload the data files to your Cloud Storage bucket

Réaliser l'étape

/ 20

Run a single-instance trainer in the cloud

Réaliser l'étape

/ 20

Create a Cloud ML Engine model

Réaliser l'étape

/ 20

Create a version v1 of your model

Réaliser l'étape

/ 20