GSP076

개요

이 실습에서는 로컬 및 AI Platform을 기반으로 TensorFlow 모델 학습에 관한 실무 경험을 쌓습니다. 실습을 마친 후에는 서비스 제공(예측)을 위해 모델을 AI Platform 에 배포하는 방법을 알아봅니다. 모델의 학습을 통해 미국 인구조사 소득 데이터세트를 사용하여 한 사람의 소득 범주를 예측할 수 있습니다.

이 실습에서는 AI Platform에 기반한 학습 및 예측에 대한 전반적인 과정을 개략적으로 둘러봅니다. 여기서는 인구조사 데이터세트를 사용하여 다음을 수행합니다.

• TensorFlow 학습 애플리케이션 생성 및 로컬에서 검증
• 클라우드의 단일 작업자 인스턴스에서 학습 작업 실행
• 클라우드의 분산 학습 작업으로 학습 작업 실행
• 초매개변수 조정을 사용하여 초매개변수 최적화
• 모델을 배포하여 예측 지원
• 온라인 예측을 요청하고 응답 확인
• 배치 예측 요청

빌드 대상

이 샘플에서는 미국 인구조사 소득 데이터세트를 기반으로 소득 범주를 예측하는 와이드 앤 딥 모델을 빌드합니다. 두 가지 소득 범주, 즉 라벨은 다음과 같습니다.

• >50K - 50,000달러 초과
• <=50K - 50,000달러 이하

와이드 앤 딥 모델은 심층신경망(DNN)을 통해 복잡한 특성에 대한 고수준 추상화 또는 이러한 특성 간의 상호작용을 학습합니다. 이 모델은 DNN의 출력을 더 간단한 특성으로 수행한 선형 회귀와 결합됩니다. 이를 통해 성능과 속도 사이에서 균형을 찾음으로써 구조화된 데이터와 관련된 다양한 문제에서 효율성을 발휘합니다.

샘플에서는 TensorFlow에 내장된 DNNCombinedLinearClassifier 클래스를 사용하여 모델을 정의합니다. 또한 인구조사 데이터세트에 특화된 데이터 변환을 정의하고 잠재적으로 변환된 특성을 모델의 DNN 또는 선형 부분에 할당합니다.