Beispiele in Azure Data Science Virtual Machine-Instanzen
Azure Data Science Virtual Machines (DSVMs) umfassen eine umfangreiche Sammlung von Beispielcode. Diese Beispiele beinhalten Jupyter-Notebooks und -Skripts in Sprachen wie Python und R.
Hinweis
Weitere Informationen zum Ausführen von Jupyter-Notebooks auf Ihren Data Science Virtual Machines finden Sie im Abschnitt Zugreifen auf Jupyter.
Voraussetzungen
Um diese Beispiele ausführen zu können, müssen Sie eine Ubuntu-Data Science Virtual Machine-Instanz bereitgestellt haben.
Verfügbare Beispiele
Beispielkategorie | BESCHREIBUNG | Standorte |
---|---|---|
Python (Programmiersprache) | In Beispielen werden Szenarien erläutert, etwa wie Verbindungen mit Azure-basierten Clouddatenspeichern hergestellt werden und wie mit Azure Machine Learning gearbeitet wird. Python (Programmiersprache) |
~notebooks |
Julia (Programmiersprache) | Bietet eine ausführliche Beschreibung zu Plotten und Deep Learning in Julia. Außerdem wird erläutert, wie C und Python aus Julia aufgerufen werden. Julia (Programmiersprache) |
Windows: ~notebooks/Julia_notebooks Linux: ~notebooks/julia |
Azure Machine Learning | Veranschaulicht, wie Machine Learning-Modelle und Deep Learning-Modelle mit Machine Learning erstellt werden. Stellen Sie die Modelle an beliebigen Speicherorten bereit. Verwenden Sie automatisiertes maschinelles Lernen und intelligente Optimierung von Hyperparametern. Nutzen Sie darüber hinaus Modellverwaltung und verteiltes Training. Machine Learning |
~notebooks/AzureML |
PyTorch-Notebooks | Deep Learning-Beispiele, die neuronale Netze auf der Grundlage von PyTorch verwenden. Mit Notebooks von Einsteiger- bis zu fortgeschrittenen Szenarien. PyTorch-Notebooks |
~notebooks/Deep_learning_frameworks/pytorch |
TensorFlow | Eine Vielzahl von Beispielen und Techniken für neuronale Netzwerke, die mithilfe des TensorFlow-Frameworks implementiert werden. TensorFlow |
~notebooks/Deep_learning_frameworks/tensorflow |
H2O | Python-basierte Beispiele, die H2O für praxisorientierte Aufgabenstellungen verwenden. H2O |
~notebooks/h2o |
SparkML (Programmiersprache) | Beispiele, in denen Features des Apache Spark MLLib-Toolkits über pySpark und MMLSpark verwendet werden: Microsoft Machine Learning for Apache Spark on Apache Spark 2.x. SparkML (Programmiersprache) |
~notebooks/SparkML/pySpark ~notebooks/MMLSpark |
XGBoost | Standardmäßige Machine Learning-Beispiele in XGBoost für Szenarien wie Klassifizierung und Regression. XGBoost |
Windows: \dsvm\samples\xgboost\demo |
Zugreifen auf Jupyter
Um auf Jupyter zuzugreifen, wählen Sie das Jupyter-Symbol auf dem Desktop oder im Anwendungsmenü aus. Sie können auch auf Jupyter in einer Linux-Edition einer DSVM zugreifen. Um unter Ubuntu remote aus einem Webbrowser zuzugreifen, wechseln Sie zu https://<Full Domain Name or IP Address of the DSVM>:8000
.
Wenn Sie Ausnahmen hinzufügen und Jupyter-Zugriff über einen Browser verfügbar machen möchten, gehen Sie wie folgt vor:
Melden Sie sich mit dem Kennwort an, das Sie für ein Anmelden bei der Data Science Virtual Machine verwenden.
Jupyter-Startseite