ARC122

概览

在实验室挑战赛中，我们会为您提供一个场景和一系列任务。您将使用从课程的各个实验中学到的技能自行确定如何完成这些任务，而不是按照分步说明进行操作。自动评分系统（显示在本页面中）会提供有关您是否已正确完成任务的反馈。

在您参加实验室挑战赛期间，我们不会再教授新的 Google Cloud 概念知识。您需要拓展所学的技能，例如通过更改默认值和查看并研究错误消息来更正您自己所犯的错误。

要想获得满分，您必须在该时间段内成功完成所有任务！

设置

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。为此，我们会向您提供新的临时凭据，您可以在该实验的规定时间内通过此凭据登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式（推荐）或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：请仅使用学生账号完成本实验。如果您使用其他 Google Cloud 账号，则可能会向该账号收取费用。

挑战场景

您刚开始担任初级机器学习工程师一职。目前，您一直在帮助团队训练模型，并且正在学习如何使用 Google Cloud Machine Learning API。

您应该掌握了完成这些任务所需的技能和知识。

您的挑战

使用 Vision API 检测给定图片中的文本和全球地标。

您应当遵循如下标准：

• 确保成功启用任何所需的 API（例如 Cloud Vision、Cloud Translation 和 Cloud Natural Language）。
• 除非另有指示，否则应在 区域中创建所有资源。

下文详细说明了每项任务。

任务 1. 验证资源

1. 确保您已创建 API 密钥并将其保存到环境变量 API_KEY 中，以便在提供的脚本中使用。
2. 系统已为您创建一个名为 -bucket 的存储桶，其中包含一张图片，供您在本实验中使用。
3. 请确保存储桶中的对象可公开访问。

点击“检查我的进度”，验证已完成以下目标： 创建 API 密钥

任务 2. 创建 Request.json 文件

创建 request.json 文件。您将根据需要完成的任务修改此文件。

{ "requests": [ { "image": { "source": { "gcsImageUri": } }, "features": [ { "type": "maxResults": 10 } ] } ] }

任务 3. 更新 JSON 文件

1. 更新 JSON 文件：

• 将您的存储桶/图片添加到 gcsImageUri
• 将相应方法添加到 type。首先，使用 Vision API 的 TEXT_DETECTION 方法。

2. 使用下面的 curl 调用 Vision API。您需要使用文本检测和地标检测方法，并将 YOUR_JSON 替换为您之前创建的文件的名称：

curl -s -X POST -H "Content-Type: application/json" --data-binary @YOUR_JSON https://vision.googleapis.com/v1/images:annotate?key=${API_KEY}

将 curl 响应结果保存在 text-response.json 文件中。

curl -s -X POST -H "Content-Type: application/json" --data-binary @YOUR_JSON https://vision.googleapis.com/v1/images:annotate?key=${API_KEY} -o text-response.json

将输出上传到 Cloud Storage

运行以下命令，将 curl 响应结果上传到 Cloud Storage，以进行活动跟踪验证：

gsutil cp text-response.json gs://{{{project_0.startup_script.gcs_bucket_name|bucket_name_filled_after_lab_start}}}

点击“检查我的进度”，验证已完成以下目标： 使用 Cloud Vision API 分析图片

3. 现在，更新 JSON 文件以使用 LANDMARK_DETECTION 方法。

4. 再次使用 curl 调用 Vision API。

将 curl 响应结果保存在 landmark-response.json 文件中。

curl -s -X POST -H "Content-Type: application/json" --data-binary @YOUR_JSON https://vision.googleapis.com/v1/images:annotate?key=${API_KEY} -o landmark-response.json

将输出上传到 Cloud Storage

运行以下命令，将 curl 响应结果上传到 Cloud Storage，以进行活动跟踪验证：

gsutil cp landmark-response.json gs://{{{project_0.startup_script.gcs_bucket_name|bucket_name_filled_after_lab_start}}}

点击“检查我的进度”，验证已完成以下目标： 使用 Cloud Vision API 分析图片

引用来源：Manif des Sans-Papiers（2017 年 2 月 9 日），作者：Charles Hutchins；来源：Wikimedia Commons（免费媒体资源库）。检索来源：https://commons.wikimedia.org/wiki/File:Manif_des_Sans-Papiers.jpg。此文件已依照知识共享署名 2.0 通用 (Creative Commons Attribution 2.0 Generic) 许可协议获得授权。

恭喜！

您已了解如何使用 Vision API 检测给定图片中的文本和全球地标。

赢得您的下一个技能徽章

本自学实验是用 Cloud Vision API 分析图片技能徽章课程的组成部分。完成此技能徽章挑战任务可赢得上面的徽章，以表彰您取得的成就。您可以在简历和社交平台中分享自己的徽章，并使用 #GoogleCloudBadge 让大家知道您取得的这一成就。

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

上次更新手册的时间：2026 年 1 月 5 日

上次测试实验的时间：2024 年 11 月 11 日

版权所有 2026 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。