最後幾天,回來介紹 Qwiklabs 的一些課程。今天要介紹的是 [Baseline: Data, ML, AI],這系列的教學,主要是試著引導我們去初探 GCP 裡有關大數據,機器學習和人工智能的相關功能。可以實際操作一下 AI Platform、Big Query、Cloud Speech API 和 Cloud ML Engine 等工具。比較偏 AI 入門級任務,所以實作時間大都沒有設定很長。但其實有的子課程練習起來,理解起來也沒那麼容易理解。按下開始鍵前最好事先要先看過一次步驟,不懂的地方先查一下指令用法,對學習上會比較有幫助,不然只是複製貼上的話,其實吸收有限。
他的子課程有:
如果要取得徽章,有的任務可以擇一完成就好,不過如果沒有經費限制的話,可以全部練習的話當然是更好。雖然這個系列是 AI 入門級的課,但不是 GCP 入門級的課唷。所以如果對 GCP 介面還不太熟悉的話,光一開始的 GSP076 就夠把你搞的暈頭轉向。
(GSP076) AI Platform: Qwik Start 大概包含這些練習,建立儲存空間、訓練模型、建立模型、測試模型。
主要是在運用 gcloud ai-platform
這個指令。這堂實作練習都是在 Google Cloud Shell 視窗上去下指令進行。所以如果是剛學 GCP 可能會迷惑一下。不過好處是你如果認真研究一下指令的用法,你可以很省時間,不用在 UI 介面上點來點去。不過要熟悉這些指令很不容易就是了。
把這些需要的參數設定好,初次可能要花掉不少精力。但設定好,之後就輕鬆多了,直接下命令跑完。
像執行本地server上的訓練工作
gcloud ai-platform local train \
--module-name trainer.task \
--package-path trainer/ \
--job-dir $MODEL_DIR \
-- \
--train-files $TRAIN_DATA \
--eval-files $EVAL_DATA \
--train-steps 1000 \
--eval-steps 100
執行雲端 server 上的訓練工作
gcloud ai-platform jobs submit training $JOB_NAME \
--job-dir $OUTPUT_PATH \
--runtime-version 1.10 \
--module-name trainer.task \
--package-path trainer/ \
--region $REGION \
-- \
--train-files $TRAIN_DATA \
--eval-files $EVAL_DATA \
--train-steps 1000 \
--eval-steps 100 \
--verbosity DEBUG
執行模型預測
gcloud ai-platform predict \
--model $MODEL_NAME \
--version v1 \
--json-instances ../test.json
這門課同時在其他幾個系列課程出現
所以在這個 (GSP076) AI Platform: Qwik Start 這堂實作課程中所使用的指令其實是蠻基礎重要的,值得好好練習一下。
今天先寫到這,有興趣的人可以先到 Qwiklabs 看課程詳細內容。
好,第27天,結束。
參考
Baseline: Data, ML, AI
AI Platform: Qwik Start
gcloud ai-platform | Cloud SDK | Google Cloud