Build with AI Workshop
===
###### tags: `GDG on Campus FCU`
講師：Harrison Chang
課程影片：
{%youtube uWBKUqBR0Yc%}
## Vertex AI
Vertex AI是一個由Google Cloud提供的端到端機器學習平台，旨在簡化模型的開發和部署。
#### 功能
自動機器學習（AutoML）：自動選擇最佳模型和參數，適合沒有深厚技術背景的用戶。
預訓練模型：用戶可以直接使用Google提供的模型，節省訓練時間和資源。
#### 流程
建立 Dataset(資料)→ 訓練 Model(訓練)→ 註冊 Model(上架)→ 建立 Endpoint(部署)→
調用 Endpoint 預測(預測)
## 模型訓練的基本要求
#### 資料集的重要性：
訓練模型所需的資料集必須具備代表性，質量和數量直接影響模型的準確性和穩定性。
#### 資料集擴充技巧：
數據增強：對圖像進行旋轉、翻轉、縮放等變換，以增強資料集的多樣性。
成數據：使用生成對抗網絡（GAN）等技術生成更多訓練數據，特別是在資料稀缺的情況下。
資料清理與標註：確保資料的準確性，去除錯誤標註和重複數據。
## 實作步驟
#### 1. 啟用 GCP 專案與 Vertex AI API
##### 登入GCP：
打開瀏覽器並訪問 Google Cloud Console，使用Google帳戶登入。
##### 創建新專案：
* 在GCP主頁面，點擊左上角的「選擇專案」下拉選單，然後點擊「新建專案」。
* 輸入專案名稱（例如「AI_Model_Training_Project」）和專案ID（例如「ai-model-training-12345」），然後點擊「創建」。
##### 啟用Vertex AI API：
* 在GCP控制台，導航至「API和服務」>「庫」
* 搜索「Vertex AI」，然後點擊進入該API頁面，點擊「啟用」。
##### 設置Billing Account：
* 在GCP控制台，導航至「結算」。
* 點擊「新增結算帳戶」，並按照提示輸入信用卡信息及帳戶詳情，然後點擊「提交」。
#### 2. Colab 環境連線與 SDK 安裝
##### 登入Google Colab：
* 打開瀏覽器並訪問 Google Colab，使用Google帳戶登入。
##### 安裝Google Cloud SDK：
* 在Colab中，執行以下指令安裝Google Cloud
`!pip install --upgrade google-cloud-aipla`
##### 初始化GCP專案：
* 在Colab中執行以下代碼以設置GCP專案ID
`import os`
`os.environ["GOOGLE_CLOUD_PROJECT"] = "<YOUR_PROJECT_ID>"`
* 替換`YOUR_PROJECT_ID`創建的專案ID。
#### 3. 呼叫預建模型做即時推論
##### 導入所需庫：
* 在Colab中導入必要的庫和設置
`from google.cloud import aiplatform`
`aiplatform.init(project=os.environ["GOOGLE_CLOUD_PROJECT"], location='us-centra`
##### 呼叫預建模型：
* 使用以下代碼示例呼叫預建模型進行即時推論
`endpoint = aiplatform.Endpoint("<ENDPOINT_ID>")`
`response = endpoint.predict(instances=[{"input_data": "value"}])`
`print(response.predictions)`
* 替換`ENDPOINT_ID`為您要使用的預建模型的端點ID。
#### 4. 上傳自建模型並部署 Endpoint
##### 創建自建模型：
* 在Colab中，使用以下代碼上傳模型：
`model = aiplatform.Model.upload(
display_name="my_custom_model",
artifact_uri="gs://<BUCKET_NAME>/<MODEL_DIR>",
serving_container_image_uri="us-docker.pkg.dev/vertex-ai/prediction/tf2-cpu.2-4:latest")`
* 替換`<BUCKET_NAME`和`<MODEL_DIR`為您存儲模型的Cloud Storage桶和目錄。
##### 部署Endpoint：
* 使用以下代碼將模型部署到端點：
`endpoint = model.deploy(
endpoint_display_name="my_endpoint",
machine_type="n1-standard-4"
)`
* 這會創建一個新的端點並將模型部署到雲端。
#### 5. 調用自己的模型 API
##### 測試模型API：
* 使用以下代碼調用已部署的模型API進行預測
`response = endpoint.predict(instances=[{"input_data": "value"}])
print("Prediction:", response.predictions)`
* 替換`{"input_data": "value"}`為符合您模型要求的輸入格式。
##### 監控模型性能：
* 在GCP控制台中，導航至「AI」>「端點」，可以查看模型的性能指標。