Descripción general

En este lab, crearás un conjunto de datos de clasificación de imágenes, importarás imágenes, entrenarás un modelo de clasificación de imágenes de AutoML, implementarás un modelo en un extremo y, por último, enviarás una predicción.

Objetivos de aprendizaje

• Crear un conjunto de datos de clasificación de imágenes y, luego, importar imágenes
• Entrenar un modelo de clasificación de imágenes de AutoML
• Implementar el modelo en un extremo y realizar una predicción

Configuración y requisitos

En cada lab, recibirá un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Accede a Qwiklabs desde una ventana de incógnito.

2. Ten en cuenta el tiempo de acceso del lab (por ejemplo, 1:15:00) y asegúrate de finalizarlo en el plazo asignado.
   No existe una función de pausa. Si lo necesita, puede reiniciar el lab, pero deberá hacerlo desde el comienzo.

3. Cuando esté listo, haga clic en Comenzar lab.

4. Anote las credenciales del lab (el nombre de usuario y la contraseña). Las usarás para acceder a la consola de Google Cloud.

5. Haga clic en Abrir Google Console.

6. Haga clic en Usar otra cuenta, copie las credenciales para este lab y péguelas en el mensaje emergente que aparece.
   Si usa otras credenciales, se generarán errores o incurrirá en cargos.

7. Acepta las condiciones y omite la página de recursos de recuperación.

Habilita las APIs

1. En el menú de navegación de la consola de Google Cloud, haz clic en Vertex AI > Panel.
2. Haz clic en Habilitar todas las APIs recomendadas.

Introducción a Vertex AI

En este lab, se utiliza la oferta de productos de IA más reciente de Google Cloud. Vertex AI integra las ofertas de AA de Google Cloud en una experiencia de desarrollo fluida. Anteriormente, se podía acceder a los modelos personalizados y a los entrenados con AutoML mediante servicios independientes. La nueva oferta combina ambos en una sola API, junto con otros productos nuevos. También puedes migrar proyectos existentes a Vertex AI. Para enviarnos comentarios, visita la página Obtener asistencia.

Vertex AI incluye muchos productos distintos para respaldar flujos de trabajo de AA de extremo a extremo. Este lab se enfoca en los productos que se destacan a continuación: entrenamiento/ajuste de hiperparámetros y notebooks.

Tarea 1. Crea un conjunto de datos de clasificación de imágenes y, luego, importa imágenes

Archivo de entrada de datos de imágenes

Los archivos de imagen que usarás en este instructivo pertenecen al conjunto de datos de flores que se usa en esta entrada de blog de TensorFlow. Estas imágenes de entrada se almacenan en un bucket público de Cloud Storage. Este bucket de acceso público también contiene un archivo CSV que usarás para importar datos. Este archivo tiene dos columnas: en la primera, se indica el URI de una imagen en Cloud Storage y, en la segunda, se almacena la etiqueta de la imagen. Estas son algunas filas de muestra:

gs://cloud-training/mlongcp/v3.0_MLonGC/toy_data/flowers_toy.csv:

gs://cloud-samples-data/ai-platform/flowers/daisy/10559679065_50d2b16f6d.jpg,daisy gs://cloud-samples-data/ai-platform/flowers/dandelion/10828951106_c3cd47983f.jpg,dandelion gs://cloud-samples-data/ai-platform/flowers/roses/14312910041_b747240d56_n.jpg,roses gs://cloud-samples-data/ai-platform/flowers/sunflowers/127192624_afa3d9cb84.jpg,sunflowers gs://cloud-samples-data/ai-platform/flowers/tulips/13979098645_50b9eebc02_n.jpg,tulips

Crea un conjunto de datos de clasificación de imágenes y, luego, importa datos

1. Para comenzar el proceso de creación de tu conjunto de datos y el entrenamiento de tu modelo de clasificación de imágenes, ve al panel de navegación de la página de Vertex AI y haz clic en Panel.

2. En el panel central, en Preparar los datos, haz clic en Crear conjunto de datos.

3. Opcional: Especifica un nombre para este conjunto de datos.

4. En Selecciona un tipo de datos y un objetivo, en la pestaña Imagen, selecciona Clasificación de una etiqueta.

5. En Región, selecciona .

6. Para crear el conjunto de datos nuevo, haz clic en Crear.
   Se abrirá la página Importar.

7. Haz clic en Selecciona archivos de importación de Cloud Storage y especifica el URI de Cloud Storage del archivo CSV con la ubicación de la imagen y los datos de la etiqueta.

El archivo CSV se encuentra en: gs://cloud-training/mlongcp/v3.0_MLonGC/toy_data/flowers_toy.csv.

8. En Ruta del archivo de importación, escribe cloud-training/mlongcp/v3.0_MLonGC/toy_data/flowers_toy.csv

9. Para comenzar la importación de imágenes, haz clic en Continuar.

   El proceso de importación tarda unos 15 minutos. Cuando se complete, en la siguiente página se mostrarán todas las imágenes, con y sin etiquetas, identificadas para tu conjunto de datos.

Tarea 2. Entrena un modelo de clasificación de imágenes de AutoML

Usa la consola de Google Cloud para entrenar un modelo de clasificación de imágenes de AutoML. Después de crear el conjunto e importar tus datos, usa la consola de Cloud para revisar las imágenes y comenzar el entrenamiento de modelos.

Revisa las imágenes importadas

Después de que se importe el conjunto de datos, se abrirá la pestaña Explorar. También puedes acceder a esta pestaña si seleccionas Conjuntos de datos en el menú lateral y, luego, eliges el conjunto de anotaciones (conjunto de anotaciones de imágenes con una sola etiqueta) asociado a tu nuevo conjunto de datos.

Inicia el entrenamiento del modelo de AutoML

En la pestaña Explorar, puedes elegir Entrenar un modelo nuevo para comenzar el entrenamiento.

1. En el panel de navegación de la página Vertex AI, haz clic en Model Registry.
2. Para abrir la página Entrenar un modelo nuevo, haz clic en Crear.
3. En Método de entrenamiento, selecciona el Conjunto de datos y el Conjunto de anotaciones que deseas utilizar como objetivos si no se eligieron automáticamente.
4. Selecciona AutoML y, luego, haz clic en Continuar.
5. Opcional: En Detalles del modelo, escribe un Nombre del modelo.
6. Haz clic en Continuar.
7. Conserva los valores predeterminados en la sección Opciones de entrenamiento y haz clic en Continuar.
8. En Procesamiento y precios, para Presupuesto, ingresa 8 horas de procesamiento de nodo como máximo.
9. Haz clic en Comenzar entrenamiento.

La capacitación dura casi 2 horas. Cuando el modelo termina de entrenarse, se muestra con un ícono de marca de verificación verde.

Tarea 3. Implementa el modelo en un extremo y envía una predicción

Una vez que finalice el entrenamiento del modelo de clasificación de imágenes de AutoML, usa la consola de Google Cloud para crear un extremo y, luego, implementar el modelo en él. Después de implementar tu modelo en este extremo nuevo, envía una imagen al modelo para predecir etiquetas.

Implementa tu modelo en un extremo

Accede a tu modelo entrenado para implementarlo en un extremo nuevo o existente desde la página Modelos.

1. En el panel de navegación de la página Vertex AI, haz clic en Model Registry.

2. Selecciona tu modelo de AutoML y haz clic en el ID de versión.

   Se abrirá la pestaña Evaluar, en la que podrás ver las métricas de rendimiento del modelo.

3. En la pestaña Implementar y probar, haz clic en Implementar en el extremo.
   Se abrirá la página Endpoint options.

4. En Define tu extremo, selecciona Crear extremo nuevo y para Nombre del extremo, escribe hello_automl_image.

5. Haz clic en Continuar.

6. En Configuración del modelo, acepta la División del tráfico del 100% y configura la Cantidad de nodos de procesamiento en 1.

7. Haz clic en Implementar.

Crear el extremo nuevo y, luego, implementar el modelo de AutoML en él tarda 20 minutos aproximadamente.

Envía una predicción a tu modelo

Cuando finaliza el proceso de creación del extremo, puedes enviar una solicitud de anotación de imagen (predicción) en la consola de Cloud.

• En la sección Prueba tu modelo de la pestaña Implementar y probar donde creaste un extremo en la subtarea anterior, haz clic en Cargar imagen, elige una imagen local para la predicción y consulta la etiqueta predicha.

Finalice su lab

Cuando haya completado su lab, haga clic en Finalizar lab. Qwiklabs quitará los recursos que usó y limpiará la cuenta por usted.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2020 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.