[ML Study Jams Vol.4] GSP013 AIプラットホームでの TensorFlow による赤ちゃんの体重予測 受講メモ
GSP013 AIプラットホームでの TensorFlow による赤ちゃんの体重予測
https://www.qwiklabs.com/focuses/607
受講準備
- Qwiklabs コーステキストを読みます。
- ハンズオンではなく実際のシーンでは、分析データと、必要なデータを BigQuery から CSV にエクスポートする Dataflow コードが必要。
https://github.com/GoogleCloudPlatform/training-data-analyst/blob/master/blogs/babyweight/babyweight.ipynb - ハンズオンでは前述の dataflow コードを用いず前処理したデータセットをバケツ格納するところから始まることを認識しておく。
- コーステキストを読むと、赤ちゃんの体重予測をするというよりも「Cloud Datalab で機械学習モデルをトレーニング、評価、デプロイする方法」ではなく、その体験といった感じ。
- きちんと理解するには、JupyterLab train_deploy.ipynb を実行しよう。
概要
このラボでは、機械学習モデルをトレーニング、評価、展開して、赤ちゃんの体重を予測します。次に、モデルにリクエストを送信してオンライン予測を行います。
このラボの内容:
- Al プラットホーム ノートブックを起動します
- ローカル トレーニングを行う
- 分散トレーニングを行う
- ML モデルをウェブサービスとしてデプロイする
- モデルを使って予測を行う
(qwiklabs から引用)
ハンズオンの内容メモ
■前処理したデータセットをバケツ格納するコピー速度が約 400 MiB/s (メガビイト毎秒)なので、 3.2 Gbps の高速に驚いた。
![](https://i0.wp.com/www.fxfrog.com/wp-content/uploads/2020/05/copying_speedRate.png?fit=1024%2C346&ssl=1)
■ Cloud AI Platform Notebook インスタンス(TensorBoard 対応)アップしたところ。
![](https://www.fxfrog.com/wp-content/uploads/2020/05/Instance_up.png)
■ Notebook Terminal から git clone したが、転送速度はあまり早くない。
![](https://www.fxfrog.com/wp-content/uploads/2020/05/Notebook_SpeedRate.png)
■ Notebook で実装を終えたのでグラフ構造を見てみた。(大きい 1/2)
![](https://i2.wp.com/www.fxfrog.com/wp-content/uploads/2020/05/TensorBoard_1.png?fit=1024%2C786&ssl=1)
■ Notebook で実装を終えたのでグラフ構造を見てみた。(大きい 2/2)
![](https://www.fxfrog.com/wp-content/uploads/2020/05/TensorBoard_2.png)
■ head / サブグラフ 270 ノード
![](https://i1.wp.com/www.fxfrog.com/wp-content/uploads/2020/05/TensorBoard_Head_270nodes.png?fit=1024%2C445&ssl=1)
■ head/Adagrad サブグラフ 12 ノード
![](https://www.fxfrog.com/wp-content/uploads/2020/05/head_Adagrad_Subgraph_12nodes.png)
ラボ終了
Cloud Datalab で機械学習モデルをトレーニング、評価、デプロイする方法が分かりました。
![](https://www.fxfrog.com/wp-content/uploads/2020/05/feedback_comments.png)
このコマ終了に要した時間は 70分 ほど。
ご覧いただき有難うございました。
以上