—/100
Checkpoints
Set up a Google Cloud Storage bucket
/ 20
Upload the data files to your Cloud Storage bucket
/ 20
Run a single-instance trainer in the cloud
/ 20
Create a Cloud ML Engine model
/ 20
Create a version v1 of your model
/ 20
AI Platform: Qwik Start
GSP076
개요
이 실습에서는 로컬과 AI Platform에서 TensorFlow 2.x 모델 학습을 실습해 보겠습니다. 모델을 학습시킨 후에는 서빙(예측)을 위해 모델을 AI Platform에 배포하는 방법을 배우게 됩니다. 미국 인구 조사 소득 데이터 세트를 사용하여 한 사람의 소득 범주를 예측하도록 모델을 학습시켜 보겠습니다.
이 실습에서는 AI Platform의 학습 및 예측을 소개하며, 학습자는 이를 처음부터 끝까지 경험해볼 수 있습니다. 여기서는 인구 조사 데이터 세트를 사용하여 다음 작업을 수행합니다.
- TensorFlow 2.x 학습 애플리케이션을 만들고 로컬에서 검사
- 클라우드의 단일 작업자 인스턴스에서 학습 작업 실행
- 모델을 배포하여 예측 지원
- 온라인 예측을 요청하고 응답 확인
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 출력과 보다 간단한 특성에 대해 수행한 선형 회귀를 결합합니다. 이를 통해 성능과 속도 사이에서 균형을 찾음으로써 구조화된 데이터와 관련된 다양한 문제를 효율적으로 다룹니다.
이 샘플에서는 사전 빌드된 DNNCombinedLinearClassifier
클래스를 사용하여 모델을 정의합니다. 또한 인구 조사 데이터 세트에 특화된 데이터 변환을 정의하고 잠재적으로 변환된 특성을 모델의 DNN 또는 선형 부분에 할당합니다.
이 실습의 나머지 부분과 기타 사항에 대해 알아보려면 Qwiklabs에 가입하세요.
- Google Cloud Console에 대한 임시 액세스 권한을 얻습니다.
- 초급부터 고급 수준까지 200여 개의 실습이 준비되어 있습니다.
- 자신의 학습 속도에 맞춰 학습할 수 있도록 적은 분량으로 나누어져 있습니다.