Vytváření a spouštění kanálů strojového učení pomocí komponent s studio Azure Machine Learning

PLATÍ PRO:Rozšíření Azure CLI ml v2 (aktuální)

V tomto článku se dozvíte, jak vytvářet a spouštět kanály strojového učení pomocí studio Azure Machine Learning a komponent. Kanály můžete vytvářet bez použití komponent, ale komponenty nabízejí větší flexibilitu a opakované použití. Kanály Azure Machine Učení lze definovat v YAML a spouštět z rozhraní příkazového řádku, vytvářet v Pythonu nebo se skládat v studio Azure Machine Learning Designeru s uživatelským rozhraním pro přetahování. Tento dokument se zaměřuje na uživatelské rozhraní návrháře studio Azure Machine Learning.

Požadavky

• Pokud ještě nemáte předplatné Azure, vytvořte si napřed bezplatný účet. Vyzkoušejte bezplatnou nebo placenou verzi služby Azure Machine Učení.

• Pracovní prostor Azure Machine Učení Vytvořte prostředky pracovního prostoru.

• Nainstalujte a nastavte rozšíření Azure CLI pro Učení počítače.

• Naklonujte úložiště příkladů:

  git clone https://github.com/Azure/azureml-examples --depth 1
  cd azureml-examples/cli/jobs/pipelines-with-components/
  

Poznámka:

Návrhář podporuje dva typy komponent, klasické předem připravené komponenty (v1) a vlastní komponenty (v2). Tyto dva typy součástí nejsou kompatibilní.

Klasické předem připravené komponenty poskytují předem připravené komponenty pro zpracování dat a tradiční úlohy strojového učení, jako je regrese a klasifikace. Tento typ komponenty se podporuje i nadále, ale nebudou se přidávat žádné nové komponenty.

Vlastní komponenty umožňují zabalit vlastní kód jako součást. Podporuje sdílení komponent mezi pracovními prostory a bezproblémové vytváření obsahu napříč rozhraními sady Studio, CLI v2 a SDK v2.

Pro nové projekty důrazně doporučujeme používat vlastní komponentu, která je kompatibilní s AzureML V2 a bude nadále přijímat nové aktualizace.

Tento článek se týká vlastních komponent.

Registrace komponenty v pracovním prostoru

Pokud chcete vytvořit kanál pomocí komponent v uživatelském rozhraní, musíte nejprve zaregistrovat komponenty do pracovního prostoru. K registraci komponent do pracovního prostoru můžete použít uživatelské rozhraní, rozhraní příkazového řádku nebo sady SDK, abyste mohli sdílet a opakovaně používat komponentu v rámci pracovního prostoru. Registrované komponenty podporují automatickou správu verzí, abyste mohli aktualizovat komponentu, ale ujistěte se, že kanály, které vyžadují starší verzi, nadále fungují.

Následující příklad používá uživatelské rozhraní k registraci komponent a zdrojové soubory komponent jsou v cli/jobs/pipelines-with-components/basics/1b_e2e_registered_components adresáři azureml-examples úložiště. Nejprve je potřeba naklonovat úložiště do místního prostředí.

1. V pracovním prostoru Azure Machine Učení přejděte na stránku Součásti a vyberte Nová komponenta (zobrazí se jedna ze dvou stránek stylu).

Tento příklad se používá train.ymlv adresáři. Soubor YAML definuje název, typ, rozhraní, včetně vstupů a výstupů, kódu, prostředí a příkazu této komponenty. Kód této komponenty train.py je ve ./train_src složce, která popisuje logiku spouštění této komponenty. Další informace o schématu komponenty najdete v referenční dokumentaci ke schématu YAML komponenty příkazu.

Poznámka:

Při registraci komponent v uživatelském rozhraní, code definované v souboru YAML komponenty může odkazovat pouze na aktuální složku, kde soubor YAML vyhledá nebo podsložky, což znamená, že nelze určit ../code , protože uživatelské rozhraní nedokáže rozpoznat nadřazený adresář. additional_includes může odkazovat pouze na aktuální nebo podsložku. Uživatelské rozhraní v současné době podporuje pouze registraci komponent s typem command .

2. Vyberte Nahrát ze složky a vyberte složku, která 1b_e2e_registered_components se má nahrát. Vyberte train.yml z rozevíracího seznamu.

3. V dolní části vyberte Další a podrobnosti o této komponentě můžete potvrdit. Po potvrzení dokončete proces registrace výběrem možnosti Vytvořit .

4. Opakováním předchozích kroků zaregistrujte komponentu Score a Eval pomocí score.yml a eval.yml také.

5. Po úspěšné registraci těchto tří komponent se komponenty zobrazí v uživatelském rozhraní studia.

Vytvoření kanálu pomocí registrované komponenty

1. V návrháři vytvořte nový kanál. Nezapomeňte vybrat možnost Vlastní .

   

2. Kanál pojmenujte smysluplným výběrem ikony tužky vedle automaticky vygenerovaného názvu.

   

3. V knihovně materiálů návrháře můžete zobrazit karty Data, Model a Komponenty . Přepněte na kartu Součásti . Zobrazí se součásti zaregistrované v předchozí části. Pokud existuje příliš mnoho komponent, můžete vyhledat název komponenty.

   

   Najděte součásti trénování, hodnocení a hodnocení zaregistrované v předchozí části a přetáhněte je na plátno. Ve výchozím nastavení používá výchozí verzi komponenty a v pravém podokně komponenty můžete změnit na konkrétní verzi. Pravé podokno komponenty je vyvoláno poklikáním na komponentu.

   

   V tomto příkladu použijeme ukázková data v této cestě. Zaregistrujte data do pracovního prostoru tak, že v knihovně prostředků návrháře vyberete ikonu pro přidání –> datovou kartu, nastavíte Type = Folder(uri_folder) a pak podle průvodce zaregistrujte data. Datový typ musí být uri_folder, aby byl v souladu s definicí komponenty pro trénování.

   

   Potom data přetáhněte na plátno. Váš kanál by teď měl vypadat jako na následujícím snímku obrazovky.

   

4. Připojení data a komponenty přetažením připojení na plátně.

   

5. Poklikejte na jednu komponentu, zobrazí se pravé podokno, kde můžete komponentu nakonfigurovat.

   

   U komponent se vstupy primitivního typu, jako je číslo, celé číslo, řetězec a logická hodnota, můžete změnit hodnoty těchto vstupů v podrobném podokně komponenty v části Vstupy .

   Můžete také změnit nastavení výstupu (kde uložit výstup komponenty) a spustit nastavení (cílový výpočetní objekt pro spuštění této komponenty) v pravém podokně.

   Teď upřednostníme max_epocs vstup komponenty trénování na vstup na úrovni kanálu. Při každém odeslání kanálu můžete tomuto vstupu přiřadit jinou hodnotu.

   

Poznámka:

Vlastní komponenty a klasické předem vytvořené komponenty návrháře nelze použít společně.

Odeslání kanálu

1. V pravém horním rohu vyberte Konfigurovat a odeslat kanál.

   

2. Pak uvidíte podrobného průvodce, podle pokynů v průvodci odešlete úlohu kanálu.

V kroku Základy můžete nakonfigurovat experiment, zobrazovaný název úlohy, popis úlohy atd.

V kroku Vstupy a výstupy můžete nakonfigurovat vstupy a výstupy, které jsou povýšeny na úroveň kanálu. V předchozím kroku jsme propagovali max_epocs komponenty trénovánína vstup kanálu, takže byste měli být schopni zobrazit a přiřadit hodnotu max_epocs tady.

V nastavení modulu runtime můžete nakonfigurovat výchozí úložiště dat a výchozí výpočetní prostředky kanálu. Jedná se o výchozí úložiště dat a výpočetní prostředky pro všechny komponenty v kanálu. Všimněte si ale, že pokud pro komponentu nastavíte jiný výpočetní objekt nebo úložiště dat explicitně, systém respektuje nastavení na úrovni komponenty. V opačném případě použije výchozí hodnotu kanálu.

Krok Zkontrolovat a odeslat je posledním krokem ke kontrole všech konfigurací před odesláním. Průvodce si pamatuje konfiguraci posledního času, pokud kanál odešlete.

Po odeslání úlohy kanálu se nahoře zobrazí zpráva s odkazem na podrobnosti úlohy. Výběrem tohoto odkazu můžete zkontrolovat podrobnosti o úloze.

Další kroky

• Další zkoumání kanálů strojového učení pomocí těchto poznámkových bloků Jupyter na GitHubu
• Zjistěte , jak pomocí rozhraní příkazového řádku v2 vytvořit kanál pomocí komponent.
• Naučte se používat sadu SDK v2 k vytvoření kanálu pomocí komponent.