Membuat prediksi dengan model TensorFlow yang diimpor

Dalam tutorial ini, Anda akan mengimpor model TensorFlow ke set data BigQuery ML. Kemudian, Anda menggunakan kueri SQL untuk membuat prediksi dari model yang diimpor.

Tujuan

• Gunakan pernyataan CREATE MODEL untuk mengimpor model TensorFlow ke BigQuery ML.
• Gunakan fungsi ML.PREDICT untuk membuat prediksi dengan model TensorFlow yang diimpor.

Biaya

Dalam dokumen ini, Anda akan menggunakan komponen Trusted Cloud by S3NSyang dapat ditagih berikut:

• BigQuery
• BigQuery ML

Untuk membuat perkiraan biaya berdasarkan proyeksi penggunaan Anda, gunakan kalkulator harga.

Setelah menyelesaikan tugas yang dijelaskan dalam dokumen ini, Anda dapat menghindari penagihan berkelanjutan dengan menghapus resource yang Anda buat. Untuk mengetahui informasi selengkapnya, lihat Pembersihan.

Sebelum memulai

1. In the Trusted Cloud console, on the project selector page, select or create a Trusted Cloud project.

   Go to project selector

2. Verify that billing is enabled for your Trusted Cloud project.

3. Pastikan BigQuery API diaktifkan.

   Aktifkan API

4. Pastikan Anda memiliki izin yang diperlukan untuk melakukan tugas dalam dokumen ini.

Peran yang diperlukan

Jika Anda membuat project baru, Anda adalah pemilik project, dan Anda diberi semua izin Identity and Access Management (IAM) yang diperlukan untuk menyelesaikan tutorial ini.

Jika Anda menggunakan project yang sudah ada, peran BigQuery Studio Admin (roles/bigquery.studioAdmin) memberikan semua izin yang diperlukan untuk menyelesaikan tutorial ini.

5. Make sure that you have the following role or roles on the project: BigQuery Studio Admin (roles/bigquery.studioAdmin).

   Check for the roles

   1. In the Trusted Cloud console, go to the IAM page.

      Go to IAM
   2. Select the project.

   3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

   4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

   Grant the roles

   1. In the Trusted Cloud console, go to the IAM page.

      Buka IAM
   2. Pilih project.
   3. Klik person_add Berikan akses.

   4. Di kolom Akun utama baru, masukkan ID pengguna Anda. Biasanya, ini adalah ID untuk pengguna dalam workforce identity pool. Untuk mengetahui detailnya, lihat Merepresentasikan pengguna kumpulan tenaga kerja dalam kebijakan IAM, atau hubungi administrator Anda.

   5. Di daftar Pilih peran, pilih peran.
   6. Untuk memberikan peran tambahan, klik add Tambahkan peran lain, lalu tambahkan setiap peran tambahan.
   7. Klik Simpan.

   Untuk mengetahui informasi selengkapnya tentang izin IAM di BigQuery, lihat Izin BigQuery.

   Membuat set data

   Buat set data BigQuery untuk menyimpan model ML Anda.

   Konsol

   1. Di Trusted Cloud konsol, buka halaman BigQuery.

      Buka halaman BigQuery

   2. Di panel Explorer, klik nama project Anda.

   3. Klik more_vert View actions > Create dataset.

      

   4. Di halaman Create dataset, lakukan hal berikut:

      • Untuk Dataset ID, masukkan bqml_tutorial.

      • Untuk Location type, pilih Multi-region, lalu pilih US (multiple regions in United States).

      • Jangan ubah setelan default yang tersisa, lalu klik Create dataset.

   bq

   Untuk membuat set data baru, gunakan perintah bq mk dengan flag --location. Untuk daftar lengkap kemungkinan parameter, lihat referensi perintah bq mk --dataset.

   1. Buat set data bernama bqml_tutorial dengan lokasi data yang ditetapkan ke US dan deskripsi BigQuery ML tutorial dataset:

      bq --location=US mk -d \
       --description "BigQuery ML tutorial dataset." \
       bqml_tutorial

      Perintah ini menggunakan pintasan -d, bukan flag --dataset. Jika Anda menghapus -d dan --dataset, perintah defaultnya adalah membuat set data.

   2. Pastikan set data telah dibuat:

      bq ls

   API

   Panggil metode datasets.insert dengan resource set data yang ditentukan.

   {
     "datasetReference": {
        "datasetId": "bqml_tutorial"
     }
   }

   DataFrame BigQuery

   Sebelum mencoba contoh ini, ikuti petunjuk penyiapan BigQuery DataFrames di Panduan memulai BigQuery menggunakan BigQuery DataFrames. Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi BigQuery DataFrames.

   Untuk melakukan autentikasi ke BigQuery, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan ADC untuk lingkungan pengembangan lokal.

   import google.cloud.bigquery
   
   bqclient = google.cloud.bigquery.Client()
   bqclient.create_dataset("bqml_tutorial", exists_ok=True)

   Mengimpor model TensorFlow

   Langkah-langkah berikut menunjukkan cara mengimpor model dari Cloud Storage. Jalur ke model adalah gs://cloud-training-demos/txtclass/export/exporter/1549825580/*. Nama model yang diimpor adalah imported_tf_model.

   Perhatikan bahwa URI Cloud Storage diakhiri dengan karakter pengganti (*). Karakter ini menunjukkan bahwa BigQuery ML harus mengimpor aset apa pun yang terkait dengan model tersebut.

   Model yang diimpor adalah model pengklasifikasi teks TensorFlow yang memprediksi situs yang memublikasikan judul artikel tertentu.

   Untuk mengimpor model TensorFlow ke set data, ikuti langkah-langkah berikut.

   Konsol

   1. Di Trusted Cloud konsol, buka halaman BigQuery.

      Buka halaman BigQuery

   2. Untuk Buat baru, klik Kueri SQL.

   3. Di editor kueri, masukkan pernyataan CREATE MODEL ini, lalu klik Jalankan.

        CREATE OR REPLACE MODEL `bqml_tutorial.imported_tf_model`
        OPTIONS (MODEL_TYPE='TENSORFLOW',
          MODEL_PATH='gs://cloud-training-demos/txtclass/export/exporter/1549825580/*')

      Setelah operasi selesai, Anda akan melihat pesan seperti Successfully created model named imported_tf_model.

   4. Model baru Anda akan muncul di panel Resources. Model ditunjukkan dengan ikon model: .

   5. Jika Anda memilih model baru di panel Resources, informasi tentang model akan muncul di bawah Query editor.

      

   bq

   1. Impor model TensorFlow dari Cloud Storage dengan memasukkan pernyataan CREATE MODEL berikut.

      bq query --use_legacy_sql=false \
      "CREATE OR REPLACE MODEL
        `bqml_tutorial.imported_tf_model`
      OPTIONS
        (MODEL_TYPE='TENSORFLOW',
          MODEL_PATH='gs://cloud-training-demos/txtclass/export/exporter/1549825580/*')"

   2. Setelah mengimpor model, verifikasi bahwa model muncul di set data.

      bq ls bqml_tutorial

      Outputnya mirip dengan hal berikut ini:

      tableId             Type
      ------------------- -------
      imported_tf_model   MODEL

   API

   Masukkan tugas baru dan isi properti jobs#configuration.query di isi permintaan.

   {
     "query": "CREATE MODEL `PROJECT_ID:bqml_tutorial.imported_tf_model` OPTIONS(MODEL_TYPE='TENSORFLOW' MODEL_PATH='gs://cloud-training-demos/txtclass/export/exporter/1549825580/*')"
   }

   Ganti PROJECT_ID dengan nama project dan set data Anda.

   DataFrame BigQuery

   Sebelum mencoba contoh ini, ikuti petunjuk penyiapan BigQuery DataFrames di Panduan memulai BigQuery menggunakan BigQuery DataFrames. Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi BigQuery DataFrames.

   Untuk melakukan autentikasi ke BigQuery, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan ADC untuk lingkungan pengembangan lokal.

   Impor model menggunakan objek TensorFlowModel.

   import bigframes
   from bigframes.ml.imported import TensorFlowModel
   
   bigframes.options.bigquery.project = PROJECT_ID
   # You can change the location to one of the valid locations: https://cloud.google.com/bigquery/docs/locations#supported_locations
   bigframes.options.bigquery.location = "US"
   
   imported_tensorflow_model = TensorFlowModel(
       model_path="gs://cloud-training-demos/txtclass/export/exporter/1549825580/*"
   )

   Untuk mengetahui informasi selengkapnya tentang cara mengimpor model TensorFlow ke BigQuery ML, termasuk persyaratan format dan penyimpanan, lihat pernyataan CREATE MODEL untuk mengimpor model TensorFlow.

   Membuat prediksi dengan model TensorFlow yang diimpor

   Setelah mengimpor model TensorFlow, Anda menggunakan fungsi ML.PREDICT untuk membuat prediksi dengan model.

   Kueri berikut menggunakan imported_tf_model untuk membuat prediksi menggunakan data input dari tabel full dalam set data publik hacker_news. Dalam kueri, fungsi serving_input_fn model TensorFlow menentukan bahwa model mengharapkan string input tunggal bernama input. Subkueri menetapkan alias input ke kolom title dalam pernyataan SELECT subkueri.

   Untuk membuat prediksi dengan model TensorFlow yang diimpor, ikuti langkah-langkah berikut.

   Konsol

   1. Di Trusted Cloud konsol, buka halaman BigQuery.

      Buka halaman BigQuery

   2. Di bagian Buat baru, klik Kueri SQL.

   3. Di editor kueri, masukkan kueri ini yang menggunakan fungsi ML.PREDICT.

      SELECT *
        FROM ML.PREDICT(MODEL `bqml_tutorial.imported_tf_model`,
          (
           SELECT title AS input
           FROM bigquery-public-data.hacker_news.full
          )
      )

      Hasil kueri akan terlihat seperti ini:

      

   bq

   Masukkan perintah ini untuk menjalankan kueri yang menggunakan ML.PREDICT.

   bq query \
   --use_legacy_sql=false \
   'SELECT *
   FROM ML.PREDICT(
     MODEL `bqml_tutorial.imported_tf_model`,
     (SELECT title AS input FROM `bigquery-public-data.hacker_news.full`))'

   Hasilnya akan terlihat seperti ini:

   +------------------------------------------------------------------------+----------------------------------------------------------------------------------+
   |                               dense_1                                  |                                       input                                      |
   +------------------------------------------------------------------------+----------------------------------------------------------------------------------+
   |   ["0.6251608729362488","0.2989124357700348","0.07592673599720001"]    | How Red Hat Decides Which Open Source Companies t...                             |
   |   ["0.014276246540248394","0.972910463809967","0.01281337533146143"]   | Ask HN: Toronto/GTA mastermind around side income for big corp. dev?             |
   |   ["0.9821603298187256","1.8601855117594823E-5","0.01782100833952427"] | Ask HN: What are good resources on strategy and decision making for your career? |
   |   ["0.8611106276512146","0.06648492068052292","0.07240450382232666"]   | Forget about promises, use harvests                                              |
   +------------------------------------------------------------------------+----------------------------------------------------------------------------------+
   

   API

   Masukkan tugas baru dan isi properti jobs#configuration.query sesuai isi permintaan. Ganti project_id dengan nama project Anda.

   {
     "query": "SELECT * FROM ML.PREDICT(MODEL `project_id.bqml_tutorial.imported_tf_model`, (SELECT * FROM input_data))"
   }

   DataFrame BigQuery

   Sebelum mencoba contoh ini, ikuti petunjuk penyiapan BigQuery DataFrames di Panduan memulai BigQuery menggunakan BigQuery DataFrames. Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi BigQuery DataFrames.

   Untuk melakukan autentikasi ke BigQuery, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan ADC untuk lingkungan pengembangan lokal.

   Gunakan fungsi predict untuk menjalankan model jarak jauh:

   import bigframes.pandas as bpd
   
   df = bpd.read_gbq("bigquery-public-data.hacker_news.full")
   df_pred = df.rename(columns={"title": "input"})
   predictions = imported_tensorflow_model.predict(df_pred)
   predictions.head(5)

   Hasilnya akan terlihat seperti ini:

   

   Dalam hasil kueri, kolom dense_1 berisi array nilai probabilitas, dan kolom input berisi nilai string yang sesuai dari tabel input. Setiap nilai elemen array mewakili probabilitas bahwa string input yang sesuai adalah judul artikel dari publikasi tertentu.

   Pembersihan

   Agar tidak perlu membayar biaya pada akun Google Cloud Anda untuk resource yang digunakan dalam tutorial ini, hapus project yang berisi resource tersebut, atau simpan project dan hapus setiap resource.

   Menghapus project

   Konsol

   1. In the Trusted Cloud console, go to the Manage resources page.

      Go to Manage resources

   2. In the project list, select the project that you want to delete, and then click Delete.
   3. In the dialog, type the project ID, and then click Shut down to delete the project.

   gcloud

   1. In the Trusted Cloud console, go to the Manage resources page.

      Go to Manage resources

   2. In the project list, select the project that you want to delete, and then click Delete.
   3. In the dialog, type the project ID, and then click Shut down to delete the project.

   Menghapus resource satu per satu

   Atau, hapus setiap resource yang digunakan dalam tutorial ini:

   1. Hapus model yang diimpor.

   2. Opsional: Hapus set data.

   Langkah berikutnya

   • Untuk ringkasan BigQuery ML, lihat Pengantar BigQuery ML.
   • Untuk mulai menggunakan BigQuery ML, lihat Membuat model machine learning di BigQuery ML.
   • Untuk mengetahui informasi selengkapnya tentang cara mengimpor model TensorFlow, lihat Pernyataan CREATE MODEL untuk mengimpor model TensorFlow.
   • Untuk informasi selengkapnya tentang penggunaan model, lihat referensi berikut:
     • Mendapatkan metadata model
     • Mengupdate metadata model
     • Mengelola model
   • Untuk mengetahui informasi selengkapnya tentang penggunaan BigQuery DataFrames API di notebook BigQuery, lihat:
     • Pengantar notebook BigQuery
     • Ringkasan BigQuery DataFrames