Azure Machine Learning-címkézés használata a Language Studióban

Az adatok címkézése fontos része az adathalmaz előkészítésének. Az Azure Machine Learning címkézési felületének használatával egyszerűbb együttműködést, nagyobb rugalmasságot és a címkézési feladatok külső címkézési szállítókra való kiszervezését tapasztalhatja az Azure Market Place-ből. Az Azure Machine Learning címkézését a következő célokra használhatja:

• egyéni szövegbesorolás
• egyéni elnevezett entitások felismerése

Előfeltételek

Mielőtt csatlakoztatni tudja a címkézési projektet az Azure Machine Learninghez, a következőkre van szüksége:

• Sikeresen létrehozott Egy Language Studio-projektet egy konfigurált Azure Blob Storage-fiókkal.
• A tárfiókba feltöltött szöveges adatok.
• Legalább:
  • Egy entitáscímke az egyéni elnevezett entitások felismeréséhez, vagy
  • Két osztálycímke egyéni szövegbesorolási projektekhez.
• Egy Azure Machine Learning-munkaterület , amely ugyanahhoz az Azure Blob Storage-fiókhoz csatlakozott , amelyet a Language Studio-fiókja használ.

Korlátozások

• A címkézési projekt csatlakoztatása az Azure Machine Learninghez egy-az-egyhez kapcsolat. Ha leválasztja a projektet, nem fogja tudni ugyanahhoz az Azure Machine Learning-projekthez csatlakoztatni a projektet
• A Language Studióban és az Azure Machine Learningben nem lehet egyszerre címkézni. A címkézési felület egyszerre egy studióban engedélyezve van.
• A modell betanításakor a rendszer figyelmen kívül hagyja a címkézési felületen található tesztelési és betanítási fájlokat.
• Csak az Azure Machine Learning JSONL-fájlformátuma importálható a Language Studióba.
• A többnyelvű beállítással rendelkező projektek nem csatlakoztathatók az Azure Machine Learninghez, és nem minden nyelv támogatott.
  • A nyelvi támogatást az Azure Machine Learning TextDNNLanguages osztálya biztosítja.
• A csatlakoztatni kívánt Azure Machine Learning-munkaterületet ugyanahhoz az Azure Storage-fiókhoz kell hozzárendelni, amelyhez a Language Studio csatlakozik. Győződjön meg arról, hogy az Azure Machine Learning-munkaterület rendelkezik a storage-blobadatok olvasó engedélyével a tárfiókban. A munkaterületnek a tárfiókhoz kell kapcsolódnia a Azure Portal létrehozási folyamata során.
• A két címkézési felület közötti váltás nem azonnali. A művelet sikeres végrehajtása időbe telhet.

Azure Machine Learning-címkék importálása a Language Studióba

A Language Studio támogatja az Azure Machine Learning által használt JSONL-fájlformátumot. Ha már címkézett adatokat az Azure Machine Learningben, importálhatja a naprakész címkéket egy új egyéni projektbe, hogy mindkét stúdió funkcióit kihasználhassa.

1. Először hozzon létre egy új projektet az egyéni szövegbesoroláshoz vagy az egyéni elnevezett entitások felismeréséhez.

   1. A megjelenő Projekt létrehozása képernyőn kövesse az utasításokat a tárfiók csatlakoztatásához, és adja meg a projekt alapvető adatait. Győződjön meg arról, hogy a használt Azure-erőforráshoz nincs már csatlakoztatva másik tárfiók.

   2. A Tároló kiválasztása szakaszban válassza ki azt a lehetőséget, amely azt jelzi, hogy már rendelkezik megfelelően formázott fájllal. Ezután válassza ki a legújabb Azure Machine Learning-címkéket tartalmazó fájlt.

      

Csatlakozás az Azure Machine Learninghez

Mielőtt csatlakozik az Azure Machine Learninghez, szüksége lesz egy olyan díjszabási csomaggal rendelkező Azure Machine Learning-fiókra, amely megfelel a projekt számítási igényeinek. Tekintse meg az előfeltételek szakaszt , és győződjön meg arról, hogy sikeresen teljesítette a Language Studio-projekt Azure Machine Learninghez való csatlakoztatásának megkezdéséhez szükséges összes követelményt.

1. A Azure Portal segítségével lépjen a nyelvi erőforráshoz csatlakoztatott Azure Blob Storage fiókhoz.

2. Győződjön meg arról, hogy a Storage-blobadatok közreműködője szerepkör hozzá van rendelve az AML-munkaterülethez a Azure Blob Storage-fiók szerepkör-hozzárendelései között.

3. Lépjen a projekthez a Language Studióban. A projekt bal oldali navigációs menüjében válassza az Adatok címkézése lehetőséget.

4. Válassza az Azure Machine Learning használata feliratozáshoz lehetőséget az Adatcímkézés leírásában vagy a Tevékenység panelen.

   

5. A csatlakozási folyamat elindításához válassza a Csatlakozás az Azure Machine Learninghez lehetőséget.

   

6. A megjelenő ablakban kövesse az utasításokat. Válassza ki a korábban ugyanabban az Azure-előfizetésben létrehozott Azure Machine Learning-munkaterületet. Adja meg az új Azure Machine Learning-projekt nevét, amely a címkézés engedélyezéséhez jön létre az Azure Machine Learningben.

   Tipp

   A folytatás előtt győződjön meg arról, hogy a munkaterület ugyanahhoz a Azure Blob Storage fiókhoz és nyelvi erőforráshoz van társítva. Az Azure Portal segítségével létrehozhat egy új munkaterületet, és hivatkozhat a tárfiókjára. Győződjön meg arról, hogy a tárfiók megfelelően van társítva a munkaterülethez.

7. (Nem kötelező) Kapcsolja be a szállítói címkézési kapcsolót a szállítói vállalatok címkézéséhez. Mielőtt kiválasztaná a szállító címkéző vállalatokat, lépjen kapcsolatba a szállító címkéző vállalataival a Azure Marketplace, és véglegesítse velük a szerződést. További információ a szállító vállalatokkal való munkáról: Adatok címkézésének kiszervezése.

   Az emberi címkézőkre vonatkozó címkézési utasításokat is hagyhat, amelyek segítenek a címkézési folyamatban. Ezek az utasítások segíthetnek a feladat megértésében azáltal, hogy egyértelmű definíciókat hagynak a címkékről, és példákat is belefogadnak a jobb eredmények érdekében.

8. Tekintse át az Azure Machine Learning-kapcsolat beállításait, és szükség esetén végezze el a módosításokat.

   Fontos

   A kapcsolat véglegesítése végleges. Ha bármikor megkísérli leválasztani a létrehozott kapcsolatot, azzal véglegesen letiltja, hogy a Language Studio-projekt ugyanahhoz az Azure Machine Learning-projekthez csatlakozzon.

9. A kapcsolat elindítása után néhány percre le lesz tiltva az adatok címkézése a Language Studióban az új kapcsolat előkészítése érdekében.

Váltás címkézésre az Azure Machine Learning használatával a Language Studióból

A kapcsolat létrejötte után bármikor átválthat az Azure Machine Learningre a Language Studio Tevékenység paneljén keresztül.

Amikor vált, a Language Studióban le lesz tiltva az adatok címkézési képessége, és az Azure Machine Learningben is felcímkézheti az adatokat. Az Azure Machine Learning használatával bármikor visszaállhat címkézésre a Language Studióban.

A szöveg címkézéséről az Azure Machine Learning címkézési útmutatójában talál további információt. A szövegcímkézési projekt kezelésével és nyomon követésével kapcsolatos információkért lásd: Szövegcímkézési projekt beállítása és kezelése az Azure Machine Learningben.

Modell betanítása az Azure Machine Learning címkéivel

Amikor az Azure Machine Learning használatával vált a címkézésre, továbbra is betanítheti, kiértékelheti és üzembe helyezheti a modellt a Language Studióban. A modell betanítása az Azure Machine Learning frissített címkéivel:

1. A projektjéhez tartozó Language Studio képernyő bal oldalán található navigációs menüben válassza a Betanítási feladatok lehetőséget.

2. Válassza a Legújabb címkék importálása az Azure Machine Learningből lehetőséget a betanítási oldal Címke forrásának kiválasztása szakaszában. Ez szinkronizálja az Azure Machine Learning címkéit a betanítási feladat elindítása előtt.

   

Váltás címkézésre a Language Studióval az Azure Machine Learningből

Miután az Azure Machine Learninggel végzett címkézésre váltott, bármikor visszaállhat a Language Studio-projekttel való címkézésre.

Megjegyzés

• Csak az Azure Machine Learningben megfelelő szerepkörökkel rendelkező felhasználók válthatják a címkézést.
• Amikor a Language Studio használatára vált, az Azure Machine Learning címkézése le lesz tiltva.

Visszaváltás címkézésre a Language Studióval:

1. Lépjen a projekthez az Azure Machine Learningben, és válassza az Adatok címkézése lehetőséget a bal oldali navigációs menüben.

2. Válassza a Language Studio lapot, és válassza a Váltás a Language Studióra lehetőséget.

   

3. A folyamat eltarthat néhány percig, és az Azure Machine Learningben való címkézési képessége le lesz tiltva, amíg vissza nem vált a Language Studióból.

Az Azure Machine Learning leválasztása

A projekt leválasztása az Azure Machine Learningről állandó, visszafordíthatatlan folyamat, és nem vonható vissza. A továbbiakban nem fogja tudni elérni a címkéket az Azure Machine Learningben, és az Azure Machine Learning-projektet a jövőben nem fogja tudni újra csatlakoztatni egy Language Studio-projekthez sem. Az Azure Machine Learning leválasztása:

1. Győződjön meg arról, hogy a karbantartani kívánt frissített címkék szinkronizálva vannak az Azure Machine Learning szolgáltatással, ha a címkézési felületet visszakapcsoljuk a Language Studióba.
2. A Language Studio bal oldali navigációs menüjében válassza a Projektbeállítások lehetőséget.
3. Válassza a Leválasztás az Azure Machine Learningből gombot az Azure Machine Learning-kapcsolatok kezelése szakaszban.

Következő lépések

További információ az adatok címkézéséről az egyéni szövegbesoroláshoz és az egyéni elnevezett entitások felismeréséhez.