Prozkoumání služby Azure Machine Učení s využitím poznámkových bloků Jupyter

  • Článek

PLATÍ PRO: Python SDK azure-ai-ml v2 (aktuální)

Úložiště AzureML-Examples zahrnuje nejnovější (v2) ukázky Azure Machine Učení Python CLI a SDK. Informace o různých ukázkových typech najdete v souboru readme.

V tomto článku se dozvíte, jak získat přístup k úložišti z následujících prostředí:

  • Výpočetní instance Azure Machine Learningu
  • Váš vlastní výpočetní prostředek
  • Data Science Virtual Machine

Nejjednodušší způsob, jak začít s ukázkami, je dokončit vytváření prostředků, abyste mohli začít. Po dokončení budete mít vyhrazený server poznámkového bloku předem načtený se sadou SDK a úložištěm Azure Machine Učení Notebooks. Nejsou potřeba žádné soubory ke stažení ani instalace.

Zobrazení ukázkových poznámkových bloků:

  1. Přihlaste se do studia a v případě potřeby vyberte svůj pracovní prostor.
  2. Vyberte Poznámkové bloky.
  3. Vyberte kartu Ukázky. Příklady pomocí sady Python SDK v2 použijte ve složce SDK v2.
  4. Otevřete poznámkový blok, který chcete spustit. Výběrem možnosti Klonovat tento poznámkový blok vytvořte kopii ve sdílené složce pracovního prostoru. Tato akce zkopíruje poznámkový blok spolu se závislými prostředky.

Možnost 2: Přístup k vlastnímu serveru poznámkových bloků

Pokud chcete pro místní vývoj použít vlastní server poznámkového bloku, postupujte podle těchto kroků na počítači.

  1. Podle pokynů v sadě Azure Machine Učení SDK nainstalujte sadu Azure Machine Učení SDK (v2) pro Python.

  2. Vytvořte pracovní prostor azure machine Učení.

  3. Naklonujte úložiště AzureML-Examples.

    git clone https://github.com/Azure/azureml-examples.git --depth 1

  4. Spusťte server poznámkového bloku z adresáře obsahujícího váš klon.

    jupyter notebook

Tyto pokyny nainstalují základní balíčky SDK potřebné pro rychlý start a poznámkové bloky kurzů. Další ukázkové poznámkové bloky můžou vyžadovat instalaci dalších komponent. Další informace najdete v tématu Instalace sady Azure Machine Učení SDK pro Python.

Možnost 3: Přístup k dsVM

Data Science Virtual Machine (DSVM) je přizpůsobená image virtuálního počítače vytvořená speciálně pro účely datových věd. Pokud vytvoříte DSVM, sada SDK a server poznámkového bloku se nainstalují a nakonfigurují za vás. Přesto budete muset vytvořit pracovní prostor a naklonovat ukázkové úložiště.

  1. Vytvořte pracovní prostor azure machine Učení.

  2. Naklonujte úložiště AzureML-Examples.

    git clone https://github.com/Azure/azureml-examples.git --depth 1

  3. Spusťte server poznámkového bloku z adresáře, který obsahuje klon.

    jupyter notebook

Připojení do pracovního prostoru

Některé ukázky se používají MLClient.from_config() pro připojení k pracovnímu prostoru. Aby tyto ukázky fungovaly, potřebujete konfigurační soubor v adresáři na cestě k ukázce.

Konfigurační soubor se vytvoří pro vás na výpočetní instanci Azure Machine Učení. Pokud chcete kód použít na vlastním serveru poznámkových bloků nebo dsVM, vytvořte konfigurační soubor ručně. Použijte některou z následujících metod:

  • Do kořenového adresáře naklonovaného úložiště zapište konfigurační soubor (aml_config/config.json).

  • Stáhněte konfigurační soubor pracovního prostoru:

    • Přihlášení k studio Azure Machine Learning
    • Výběr nastavení pracovního prostoru v pravém horním rohu
    • Vyberte Stáhnout konfigurační soubor.
    • Umístěte soubor do kořenového adresáře klonovaného úložiště.

    Screenshot of download config.json.

Další kroky

Prozkoumejte úložiště AzureML-Examples a zjistěte, co může azure machine Učení dělat.

Další příklady MLOps najdete v tématu https://github.com/Azure/mlops-v2.

Vyzkoušejte tyto kurzy: