始める前に
- ラボでは、Google Cloud プロジェクトとリソースを一定の時間利用します
- ラボには時間制限があり、一時停止機能はありません。ラボを終了した場合は、最初からやり直す必要があります。
- 画面左上の [ラボを開始] をクリックして開始します
ラボの設定手順と要件
アカウントと進行状況を保護します。このラボを実行するには、常にシークレット ブラウジング ウィンドウとラボの認証情報を使用してください。
（オプション）サブクラス化による新しいレイヤとモデルの作成
ラボの手順とタスク
このコンテンツはまだモバイル デバイス向けに最適化されていません。
快適にご利用いただくには、メールで送信されたリンクを使用して、デスクトップ パソコンでアクセスしてください。
概要
このラボでは、サブクラス化を使用してレイヤとモデルを構築する方法を学びます。
サブクラス化とは、新しいオブジェクトのプロパティを基底クラスまたはスーパークラスのオブジェクトから継承することを意味します。
目標
- 状態（重み）と計算を組み合わせたものとして Layer クラスを使用する
- 入力の形状がわかるまで重みの作成を先送りにする
- 再帰的な組み立てが可能なレイヤを構築する
- add_loss() メソッドを使用して損失を計算する
- add_metric() メソッドを使用して平均を計算する
- レイヤに対してシリアル化を有効にする
設定と要件
各ラボでは、新しい Google Cloud プロジェクトとリソースセットを一定時間無料で利用できます。
-
シークレット ウィンドウを使用して Google Skills にログインします。
-
ラボのアクセス時間（例:
1:15:00）に注意し、時間内に完了できるようにしてください。
一時停止機能はありません。必要な場合はやり直せますが、最初からになります。 -
準備ができたら、[ラボを開始] をクリックします。
-
ラボの認証情報（ユーザー名とパスワード）をメモしておきます。この情報は、Google Cloud Console にログインする際に使用します。
-
[Google Console を開く] をクリックします。
-
[別のアカウントを使用] をクリックし、このラボの認証情報をコピーしてプロンプトに貼り付けます。
他の認証情報を使用すると、エラーが発生したり、料金の請求が発生したりします。 -
利用規約に同意し、再設定用のリソースページをスキップします。
タスク 1. Vertex AI API を有効にする
- Google Cloud コンソールのナビゲーション メニューで、[Vertex AI]、[すべての推奨 API を有効化] の順にクリックします。
タスク 2. Vertex AI Notebooks を起動する
-
Google Cloud コンソール のナビゲーション メニューで、[Vertex AI] > [ワークベンチ] をクリックします。[ユーザー管理のノートブック] を選択します。
-
ノートブック インスタンスのページで [Create New] をクリックし、[Environment] で [TensorFlow Enterprise 2.6 (with LTS)] の最新バージョンを選択します。
-
[新しいノートブック] インスタンス ダイアログで、Deep Learning VM の名前を確認します。リージョンとゾーンを変更しない場合は、設定をすべてそのままにして [作成] をクリックします。新しい VM が起動するまでに 2～3 分かかります。
-
[JUPYTERLAB を開く] をクリックします。
JupyterLab ウィンドウが新しいタブで開きます。
タスク 3. Vertex AI Notebooks インスタンス内でコース リポジトリのクローンを作成する
GitHub リポジトリには、コースのラボファイルとソリューション ファイルの両方が含まれています。
- ノートブックの最初のセルに次のコードをコピーして実行し、
training-data-analystリポジトリのクローンを作成します。
- リポジトリのクローンが作成されたことを確認します。
training-data-analystディレクトリをダブルクリックし、リポジトリのコンテンツが表示されることを確認します。
タスク 4. サブクラス化によって新しいレイヤとモデルを作成する
-
ノートブック インターフェースで、[training-data-analyst] > [courses] > [machine_learning] > [deepdive2] > [introduction_to_tensorflow] > [labs] に移動して custom_layers_and_models.ipynb を開きます。
-
ノートブック インターフェースで、[編集] > [出力をすべて消去] をクリックします。
-
ノートブックに記載された手順をよく読み、「#TODO」のマークが付いた行に必要な内容を入力してコードを完成させます。
ヒント: 現在のセルを実行するには、そのセルをクリックして、Shift+Enter キーを押します。その他のセルコマンドはノートブック UI 内の [実行] の下にあります。
- タスクのヒントが指定されている場合もあります。テキストを選択すると、関連するヒントが白いテキストで表示されます。
- さらに情報が必要な場合は、[training-data-analyst] > [courses] > [machine_learning] > [deepdive2] > [introduction_to_tensorflow] > [solutions] に移動して custom_layers_and_models.ipynb を開き、ソリューションの全体を見ることもできます。
ラボを終了する
ラボでの学習が完了したら、[ラボを終了] をクリックします。ラボで使用したリソースが Qwiklabs から削除され、アカウントの情報も消去されます。
ラボの評価を求めるダイアログが表示されたら、星の数を選択してコメントを入力し、[送信] をクリックします。
星の数は、それぞれ次の評価を表します。
- 星 1 つ = 非常に不満
- 星 2 つ = 不満
- 星 3 つ = どちらともいえない
- 星 4 つ = 満足
- 星 5 つ = 非常に満足
フィードバックを送信しない場合は、ダイアログ ボックスを閉じてください。
フィードバック、ご提案、修正が必要な箇所については、[サポート] タブからお知らせください。
Copyright 2026 Google LLC All rights reserved. Google および Google のロゴは、Google LLC の商標です。その他すべての社名および製品名は、それぞれ該当する企業の商標である可能性があります。
