Schnellstart: So erstellen Sie Arbeitsbereichsressourcen, die Sie für die ersten Schritte mit Azure Machine Learning benötigen
In dieser Schnellstartanleitung erstellen Sie einen Arbeitsbereich und fügen dem Arbeitsbereich dann die Computeressourcen hinzu. Anschließend verfügen Sie über alles, was Sie für die ersten Schritte mit Azure Machine Learning benötigen.
Der Arbeitsbereich ist die Ressource der obersten Ebene für Ihre Aktivitäten des maschinellen Lernens und ein zentraler Ort für das Anzeigen und Verwalten der Artefakte, die Sie während der Nutzung von Azure Machine Learning erstellen. Die Computeressourcen bieten eine vorkonfigurierte cloudbasierte Umgebung, die Ihnen das Trainieren, Bereitstellen, Automatisieren, Verwalten und Nachverfolgen von Machine Learning-Modellen ermöglicht.
Voraussetzungen
- Ein Azure-Konto mit einem aktiven Abonnement. Sie können kostenlos ein Konto erstellen.
Erstellen des Arbeitsbereichs
Wenn Sie bereits über einen Arbeitsbereich verfügen, überspringen Sie diesen Abschnitt, und fahren Sie mit dem Erstellen einer Compute-Instanz fort.
Wenn Sie noch keinen Arbeitsbereich haben, erstellen Sie jetzt einen Arbeitsbereich:
Melden Sie sich mit den Anmeldeinformationen für Ihr Azure-Abonnement beim Azure-Portal an.
Wählen Sie im Azure-Portal oben links die drei Balken und dann + Ressource erstellen aus.
Suchen Sie mithilfe der Suchleiste Machine Learning.
Wählen Sie Machine Learning aus.
Wählen Sie im Bereich Machine Learning die Option Erstellen aus, um zu beginnen.
Geben Sie die folgenden Informationen an, um den neuen Arbeitsbereich zu konfigurieren:
Feld BESCHREIBUNG Arbeitsbereichname Geben Sie einen eindeutigen Namen ein, der Ihren Arbeitsbereich identifiziert. In diesem Beispiel verwenden wir docs-ws. Namen müssen in der Ressourcengruppe eindeutig sein. Verwenden Sie einen Namen, der leicht zu merken ist und sich von den von anderen Benutzern erstellten Arbeitsbereichen unterscheidet. Subscription Wählen Sie das gewünschte Azure-Abonnement aus. Resource group Verwenden Sie eine vorhandene Ressourcengruppe in Ihrem Abonnement, oder geben Sie einen Namen ein, um eine neue Ressourcengruppe zu erstellen. Eine Ressourcengruppe enthält verwandte Ressourcen für eine Azure-Lösung. In diesem Beispiel verwenden wir docs-aml. Standort Wählen Sie den Standort aus, der Ihren Benutzern und den Datenressourcen am nächsten ist, um Ihren Arbeitsbereich zu erstellen. Wenn die Konfiguration des Arbeitsbereichs abgeschlossen ist, wählen Sie Überprüfen + erstellen aus.
Klicken Sie auf Erstellen, um den Arbeitsbereich zu erstellen.
Warnung
Die Erstellung des Arbeitsbereichs in der Cloud kann einige Minuten dauern.
Wenn der Vorgang abgeschlossen ist, wird eine Erfolgsmeldung zur Bereitstellung angezeigt.
Um den neuen Arbeitsbereich anzuzeigen, wählen Sie Zu Ressource wechseln aus.
Wählen Sie in der Portalansicht Ihres Arbeitsbereichs Studio starten aus, um zum Azure Machine Learning Studio zu wechseln.
Erstellen einer Compute-Instanz
Sie können Azure Machine Learning auf Ihrem eigenen Computer installieren. In diesem Schnellstart erstellen Sie jedoch eine Onlinecomputeressource, auf der bereits eine Entwicklungsumgebung installiert ist und die einsatzbereit ist. Sie verwenden diesen Onlinecomputer (eine Compute-Instanz) für Ihre Entwicklungsumgebung, um Code in Python-Skripts und Jupyter Notebook-Instanzen zu schreiben und auszuführen.
Erstellen Sie eine Compute-Instanz, um diese Entwicklungsumgebung für die restlichen Tutorials und Schnellstarts zu verwenden:
- Wenn Sie im vorherigen Abschnitt nicht Zu Arbeitsbereich wechseln ausgewählt haben, melden Sie sich bei Azure Machine Learning Studio an, und wählen Sie Ihren Arbeitsbereich aus.
- Wählen Sie auf der linken Seite Compute aus.
- Wählen Sie +Neu aus, um eine neue Compute-Instanz zu erstellen.
- Geben Sie einen Namen an. Behalten Sie alle Standardwerte auf der ersten Seite bei.
- Klicken Sie auf Erstellen.
In etwa zwei Minuten sehen Sie, dass sich der Status der Compute-Instanz von Erstellen... in Wird ausgeführt. ändert. Sie kann nun verwendet werden.
Erstellen von Computeclustern
Als Nächstes erstellen Sie einen Computecluster. Sie können Cluster verwenden, um einen Trainings- oder Batchrückschlussprozess in einem Cluster von CPU- oder GPU-Serverknoten in der Cloud zu verteilen.
Erstellen Sie einen Computecluster, der automatisch zwischen null und vier Knoten skaliert wird:
- Wählen Sie auf der oberen Registerkarte im Abschnitt Compute die Option Computecluster aus.
- Wählen Sie +Neu aus, um einen neuen Computecluster zu erstellen.
- Behalten Sie alle Standardwerte auf der ersten Seite bei, und wählen Sie Weiter aus. Wenn keine verfügbaren Berechnungen angezeigt werden, müssen Sie eine Kontingenterhöhung anfordern. Erfahren Sie mehr über das Erhöhen von Kontingenten.
- Nennen Sie den Cluster cpu-cluster. Wenn dieser Name bereits vorhanden ist, fügen Sie dem Namen Ihre Initialen hinzu, um ihn eindeutig zu machen.
- Behalten Sie für die Mindestanzahl von Knoten die Einstellung „0“ bei.
- Ändern Sie ggf. die maximale Knotenanzahl in 4. Abhängig von Ihren Einstellungen gilt unter Umständen ein niedrigerer Grenzwert.
- Ändern Sie Leerlauf in Sekunden, bevor ein Herunterskalieren erforderlich ist in „2400“.
- Übernehmen Sie die übrigen Standardeinstellungen, und wählen Sie Erstellen aus.
In weniger als einer Minute ändert sich der Status des Clusters von Erstellen... in Erfolgreich. In der Liste wird der bereitgestellte Computecluster zusammen mit der Anzahl der Knoten im Leerlauf, der ausgelasteten Knoten und der nicht bereitgestellten Knoten angezeigt. Da Sie den Cluster noch nicht verwendet haben, sind alle Knoten derzeit nicht bereitgestellt.
Hinweis
Nachdem der Cluster erstellt wurde, weist er keine bereitgestellten Knoten auf. Der Cluster verursacht keine Kosten, bis Sie dafür einen Auftrag übermitteln. Der Cluster wird herunterskaliert, nachdem er sich 2.400 Sekunden (40 Minuten) im Leerlauf befunden hat. Dies gibt Ihnen Zeit, ihn ggf. in einigen Tutorials zu verwenden, ohne darauf warten zu müssen, dass er wieder hochskaliert wird.
Überblick über Studio
Studio ist Ihr Webportal für Azure Machine Learning. In diesem Portal werden codefreie Umgebungen und Code First-Umgebungen zu einer inklusiven Data Science-Plattform kombiniert.
Überprüfen Sie auf der linken Navigationsleiste die Teile von Studio:
Der Abschnitt Autor von Studio enthält mehrere Möglichkeiten für den Einstieg in die Erstellung von Machine Learning-Modellen. Sie haben folgende Möglichkeiten:
- Im Abschnitt Notebooks können Sie Jupyter Notebook-Instanzen erstellen, Beispiel-Notebooks kopieren und Notebooks und Python-Skripts ausführen.
- Automatisiertes ML ermöglicht die schrittweise Erstellung eines Machine Learning-Modells, ohne Code zu schreiben.
- Der Designer bietet Ihnen eine Drag & Drop-Option zum Erstellen von Modellen mithilfe vordefinierter Komponenten.
Im Abschnitt Ressourcen von Studio können Sie die Ressourcen nachverfolgen, die Sie beim Ausführen Ihrer Aufträge erstellen. Wenn Sie über einen neuen Arbeitsbereich verfügen, enthalten diese Abschnitte noch keine Elemente.
Sie haben bereits den Abschnitt Verwalten von Studio verwendet, um Ihre Computeressourcen zu erstellen. In diesem Abschnitt können Sie auch Daten und externe Dienste erstellen und verwalten, die Sie mit Ihrem Arbeitsbereich verknüpfen.
Arbeitsbereichsdiagnose
Sie können die Diagnose für Ihren Arbeitsbereich über Azure Machine Learning Studio oder das Python SDK ausführen. Nach der Diagnose wird eine Liste aller erkannten Probleme zurückgegeben. Diese Liste enthält Links zu möglichen Lösungen. Weitere Informationen finden Sie unter Verwenden der Arbeitsbereichsdiagnose.
Bereinigen von Ressourcen
Wenn Sie nun mit dem nächsten Tutorial fortfahren möchten, wechseln Sie zu Nächste Schritte.
Beenden der Compute-Instanz
Wenn Sie die Compute-Instanz jetzt nicht verwenden möchten, beenden Sie sie:
- Wählen Sie in Studio auf der linken Seite Compute aus.
- Wählen Sie auf den oberen Registerkarten Compute-Instanzen aus.
- Wählen Sie in der Liste die Compute-Instanz aus.
- Wählen Sie auf der oberen Symbolleiste Beenden aus.
Löschen aller Ressourcen
Wichtig
Die von Ihnen erstellten Ressourcen können ggf. auch in anderen Azure Machine Learning-Tutorials und -Anleitungen verwendet werden.
Wenn Sie die erstellten Ressourcen nicht mehr benötigen, löschen Sie diese, damit Ihnen keine Kosten entstehen:
Wählen Sie ganz links im Azure-Portal Ressourcengruppen aus.
Wählen Sie in der Liste die Ressourcengruppe aus, die Sie erstellt haben.
Wählen Sie die Option Ressourcengruppe löschen.

Geben Sie den Ressourcengruppennamen ein. Wählen Sie anschließend die Option Löschen.
Nächste Schritte
Sie verfügen nun über einen Azure Machine Learning-Arbeitsbereich, der Folgendes enthält:
- Eine Compute-Instanz, die für Ihre Entwicklungsumgebung verwendet werden soll
- Einen Computecluster, der zum Übermitteln von Trainingsausführungen verwendet werden soll.
Verwenden Sie die folgenden Ressourcen, um mehr über Azure Machine Learning zu erfahren und ein Modell mit Python-Skripts zu trainieren: