TensorFlow és una biblioteca de codi obert per a l'aprenentatge automàtic desenvolupada per Google. GCP proporciona una infraestructura robusta per executar models de TensorFlow de manera eficient i escalable. En aquest tema, explorarem com utilitzar TensorFlow a GCP, incloent-hi la configuració de l'entorn, l'entrenament de models i la implementació de models entrenats.

• Comprendre com configurar l'entorn de TensorFlow a GCP.
• Aprendre a entrenar models de TensorFlow utilitzant GCP.
• Implementar models de TensorFlow a GCP per a la inferència.

1. Accedeix a la Consola de GCP.
2. Crea un nou projecte o selecciona un projecte existent.
3. Activa la facturació per al projecte.

1. A la consola de GCP, navega a "API & Services" > "Library".
2. Cerca "AI Platform" i activa l'API.

1. Instal·la el SDK de Google Cloud al teu ordinador:

   curl https://sdk.cloud.google.com | bash
   exec -l $SHELL
   gcloud init
   

2. Autentica't amb el teu compte de Google:

   gcloud auth login
   

3. Configura el projecte:

   gcloud config set project [PROJECT_ID]
   

1. A la consola de GCP, navega a "Compute Engine" > "VM instances".
2. Crea una nova instància i selecciona una imatge que inclogui TensorFlow, com ara "Deep Learning VM".

1. Emmagatzema les dades al Google Cloud Storage (GCS):

   gsutil cp [LOCAL_DATA_PATH] gs://[BUCKET_NAME]/[DATA_PATH]
   

1. Escriu el codi d'entrenament de TensorFlow. Aquí tens un exemple bàsic:

   import tensorflow as tf
   from tensorflow.keras import layers, models
   
   # Carregar les dades
   (train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
   
   # Preprocessar les dades
   train_images = train_images / 255.0
   test_images = test_images / 255.0
   
   # Definir el model
   model = models.Sequential([
       layers.Flatten(input_shape=(28, 28)),
       layers.Dense(128, activation='relu'),
       layers.Dense(10, activation='softmax')
   ])
   
   # Compilar el model
   model.compile(optimizer='adam',
                 loss='sparse_categorical_crossentropy',
                 metrics=['accuracy'])
   
   # Entrenar el model
   model.fit(train_images, train_labels, epochs=5)
   
   # Avaluar el model
   test_loss, test_acc = model.evaluate(test_images, test_labels)
   print(f'Test accuracy: {test_acc}')
   

1. Puja el codi d'entrenament a GCS:

   gsutil cp [LOCAL_TRAINING_SCRIPT] gs://[BUCKET_NAME]/[SCRIPT_PATH]
   

2. Executa el treball d'entrenament a AI Platform:

   gcloud ai-platform jobs submit training [JOB_NAME] 
           --module-name trainer.task 
           --package-path [LOCAL_PACKAGE_PATH] 
           --staging-bucket gs://[BUCKET_NAME] 
           --region [REGION] 
           --runtime-version 2.3 
           --python-version 3.7 
           -- 
           --data-dir gs://[BUCKET_NAME]/[DATA_PATH] 
           --output-dir gs://[BUCKET_NAME]/[OUTPUT_PATH]
   

1. Després d'entrenar el model, guarda'l a GCS:

   model.save('gs://[BUCKET_NAME]/[MODEL_PATH]')
   

1. Crea un model a AI Platform:

   gcloud ai-platform models create [MODEL_NAME]
   

2. Crea una versió del model:

   gcloud ai-platform versions create [VERSION_NAME] 
           --model [MODEL_NAME] 
           --origin gs://[BUCKET_NAME]/[MODEL_PATH] 
           --runtime-version 2.3 
           --python-version 3.7
   

1. Envia una sol·licitud d'inferència:

   gcloud ai-platform predict 
           --model [MODEL_NAME] 
           --version [VERSION_NAME] 
           --json-instances [INPUT_JSON]
   

1. Utilitza el conjunt de dades CIFAR-10 per entrenar un model de classificació d'imatges.
2. Puja les dades a GCS.
3. Escriu el codi d'entrenament i executa'l a AI Platform.
4. Guarda el model entrenat a GCS.

1. Implementa el model entrenat a AI Platform.
2. Realitza inferències amb el model implementat utilitzant noves imatges del conjunt de dades CIFAR-10.

1. Implementa el model a AI Platform:

   gcloud ai-platform models create cifar10_model
   gcloud ai-platform versions create v1 
           --model cifar10_model 
           --origin gs://[BUCKET_NAME]/cifar10_model 
           --runtime-version 2.3 
           --python-version 3.7
   

2. Realitza inferències:

   gcloud ai-platform predict 
           --model cifar10_model 
           --version v1 
           --json-instances input.json
   

En aquest tema, hem après com configurar l'entorn de TensorFlow a GCP, entrenar models de TensorFlow utilitzant AI Platform i implementar models entrenats per a la inferència. Aquests coneixements són fonamentals per aprofitar la potència de GCP en projectes d'aprenentatge automàtic. En el següent tema, explorarem l'API de llenguatge natural de GCP.