ARC122

總覽

在挑戰研究室中，您會在特定情境下完成一系列任務。挑戰研究室不會提供逐步說明，您將運用從課程研究室學到的技巧，自行找出方法完成任務！自動評分系統 (如本頁所示) 將根據您是否正確完成任務來提供意見回饋。

在您完成任務的期間，挑戰研究室不會介紹新的 Google Cloud 概念。您須靈活運用所學技巧，例如變更預設值或詳讀並研究錯誤訊息，解決遇到的問題。

若想滿分達標，就必須在時限內成功完成所有任務！

設定

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

挑戰情境

您是剛就任的初階機器學習工程師，目前已協助多個團隊訓練模型，而且正在學習如何使用 Google Cloud 機器學習 API。

公司認為您具備執行這些工作所需的技能與知識。

您的挑戰

使用 Vision API 偵測指定圖片中的文字和全球地標。

過程中請遵守下列規則：

• 確認已成功啟用所有必要 API，例如 Cloud Vision、Cloud Translation 和 Cloud Natural Language。
• 如未特別指定，所有資源均須建立於 區域。

各項工作的詳細說明如下。

工作 1：驗證資源

1. 確認您已建立 API 金鑰，並儲存至環境變數 API_KEY，以用於本實驗室提供的指令碼。
2. 檢查系統預先建立的 bucket -bucket 是否含有一張圖片，實驗室期間會用到。
3. 確定 bucket 中的物件開放公開存取。

點選「Check my progress」，確認目標已達成。 建立 API 金鑰

工作 2：建立 Request.json 檔案

您要建立 request.json 檔案，並根據工作需求做修改。

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

工作 3：更新 json 檔案

1. 更新 json 檔案：

• 將 bucket/img 新增至 gcsImageUri
• 將方法新增至 type：首先要使用 Vision API 的 TEXT_DETECTION 方法。

2. 透過下列 curl 呼叫 Vision API。將 YOUR_JSON 改成先前建立的檔案名稱，以便使用文字偵測和地標偵測方法：

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

將 curl 回應儲存至 text-response.json 檔案。

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

將輸出內容上傳至 Cloud Storage

執行下列指令，將 curl 回應上傳至 Cloud Storage，驗證活動追蹤功能：

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

點選「Check my progress」，確認目標已達成。使用 Cloud Vision API 分析圖片

3. 現在將 json 檔案改為使用 LANDMARK_DETECTION 方法。

4. 再次透過 curl 呼叫 Vision API。

將 curl 回應儲存至 landmark-response.json 檔案。

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

將輸出內容上傳至 Cloud Storage

執行下列指令，將 curl 回應上傳至 Cloud Storage，驗證活動追蹤功能：

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

點選「Check my progress」，確認目標已達成。使用 Cloud Vision API 分析圖片

圖片出處：Manif des Sans-Papiers (2017 年 2 月 9 日)，拍攝者為 Charles Hutchins，由免費媒體圖庫 Wikimedia Commons 提供，擷取自 https://commons.wikimedia.org/wiki/File:Manif_des_Sans-Papiers.jpg。檔案已取得創用 CC 姓名標示 2.0 通用授權。

恭喜！

您已瞭解如何使用 Vision API 偵測指定圖片中的文字和全球地標。

取得下一枚技能徽章

這個自學實驗室屬於「使用 Cloud Vision API 分析圖片」技能徽章課程的一部分。完成這個技能徽章課程即可獲得上方的徽章，表彰您的成就。您可以在履歷表和社群平台張貼徽章，並加上 #GoogleCloudBadge 公開這項成就。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2026 年 1 月 5 日

實驗室上次測試日期：2024 年 11 月 11 日

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。