
asl-ml-immersion
谷歌官方 Notebook 教程,动手跑通云端 ML 与生成式 AI
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-11-17 · 当前星标 ★ 2617
使用教程
环境要求
- 可用的 Google Cloud 项目与账号
- 能访问 Cloud Shell(shell.cloud.google.com)
- 浏览器可打开 JupyterLab 界面
- 可选:为部分 notebook 挂载 Nvidia T4 GPU
安装与启动步骤
-
1打开 Cloud Shell
在浏览器打开 shell.cloud.google.com,确认已选中要使用的 Google Cloud 项目。
-
2克隆仓库
在 Cloud Shell 家目录执行,--depth 1 只拉取最新一次提交,可加快下载。
git clone --depth 1 https://github.com/GoogleCloudPlatform/asl-ml-immersion.git -
3进入仓库目录
后续所有脚本和 notebook 都在该目录下使用,注意不要停留在上级目录。
cd asl-ml-immersion -
4运行初始化脚本
脚本会自动配置项目所需的 API、IAM 权限和存储桶等基础设施,需要一定时间。
bash scripts/setup_env.sh -
5选择运行环境
按提示输入 1 选 Workbench、2 选 Cloud Workstations、3 两者都建、4 仅配置基础设施。
-
6决定是否附加 GPU
脚本会询问是否挂载 Nvidia T4,按需输入 y 或 n;多数 notebook 不用加速器。
-
7打开并选中内核
打开 notebook 后点 Select Kernel,选择 ASL Core、ASL MLOps 或 ASL Agent 之一。
-
8终端运行智能体示例
在终端执行命令前,必须先激活对应模块的虚拟环境,否则会找不到依赖包。
source ./asl_genai/.venv/bin/activate adk web ./asl_genai/notebooks/building_agents/solutions/adk_agents
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
setup_env.sh 环境选项 | 是 | 决定自动创建 Workbench、Workstations、两者,还是只配置项目基础设施 | 1 |
GPU 附加选项 | 否 | 控制是否给环境挂载 Nvidia T4 加速器 | n |
Jupyter 内核 | 是 | 在 Select Kernel 中选择与所读模块匹配的内核 | ASL Core |
模块虚拟环境路径 | 否 | 在终端运行命令前激活对应模块的 venv | ./asl_genai/.venv/bin/activate |
如何确认成功
打开任一 notebook,选中对应内核后运行首个代码单元,能正常执行且无导入报错即成功。
常见问题
Q:Select Kernel 里找不到 Jupyter Kernels 怎么办?
A:在 Cloud Workstations 中点击 Python Environment,再点左上角返回箭头重新加载环境,之后即可看到 Jupyter Kernels。
Q:一定要用 GPU 吗?
A:不需要。多数 notebook 用 CPU 即可运行,只有少数 notebook 建议使用加速器,可在脚本提示时按需选择 y。
Q:只想要项目基础设施,环境自己建?
A:在选择菜单输入 4,脚本只配置 API、IAM 和存储桶,然后按官方文档手动创建 Workbench 实例或 Workstations。
Q:终端执行命令报找不到模块怎么办?
A:先进入 asl-ml-immersion 目录,source 对应模块的 .venv/bin/activate 激活虚拟环境,再执行原命令。
注意事项
- asl_core、asl_mlops、asl_genai 三个模块各自有独立环境和材料,不要混用内核。
- 部分 notebook 需要额外的准备步骤,以该 notebook 内的说明为准。
- labs 目录的 notebook 留有待填写的 TODO,可对照 solutions 目录检查答案。
核心亮点
- 由 Google Cloud ASL 团队维护,示例代码与官方平台能力同步,权威性高
- 以 Notebook 组织,讲解与可执行代码一体,按章节即可上手实验
- 覆盖 TensorFlow、Vertex AI、ADK 智能体等多主题,形成从训练到智能体编排的完整学习路径
不足之处
- 强绑定 Google Cloud 生态,未使用 GCP 的学习者迁移成本较高
- 部分 notebook 依赖云端资源与配额,本地复现需额外配置
- 内容随训练营节奏更新,章节间深度与维护程度不完全一致
适用场景
- 企业团队参加 Google Cloud ML/GenAI 训练营时的配套实验材料
- 开发者自学 Vertex AI 与 TensorFlow 云端建模流程的动手教程
- 讲师备课,直接复用 notebook 作为课程演示与练习
替代项目
GoogleCloudPlatform/training-data-analyst、GoogleCloudPlatform/generative-ai、microsoft/generative-ai-for-beginners
上一篇:production
同类项目推荐
reproducible-data-science
开源
手把手教你搭建可复现的数据科学项目,告别结果跑不出来
Tutorials on creating a reproducible and maintainable data science project
openclaw101
开源
7天从零上手AI助理,聚合全网资源一站学
OpenClaw 101 — 从零开始,7天掌握你的AI私人助理 | 全网资源聚合站
meow-learning
开源
按需选问题,快速上手生产级AI实践
This is a pick-your-problem style guide I created to educate everyone from my leader···
AI-Agents-Projects-Tutorials
开源
跟着 Notebook 跑一遍,搞懂多智能体记忆规划推理
Multi-agent systems, memory, planning, reasoning loops
personalized-recommender-course
开源
跟着课程从零搭建时尚商品实时推荐系统
Open-source course on architecting, building and deploying a real-time personalized ···
python-openai-projects
开源
13个Python案例,带你玩转ChatGPT、Whisper和DALL-E
13 projects using ChatGPT API, Whisper, Embeddings, and DALL-E with Python.
GenAI-Showcase
开源
照着跑通代码,快速上手生成式AI应用开发
MongoDB's Generative AI Showcase: an exhaustive collection of examples and sample ap···
llm-beginner
开源
跟着教程动手,从零上手 LLM 与 Agent 开发
《大模型与智能体》电子书与 6 个编程任务:Transformer、mini-GPT、SFT/DPO、RAG、工具调···
deepseek-local-guide-ru
开源
俄语手把手教你在本机跑起 DeepSeek 大模型
Полный гайд на русском: как установить и запус···