Rövid útmutató: A Azure Machine Learning használatának megkezdéséhez szükséges munkaterületi erőforrások létrehozása
Ebben a rövid útmutatóban létrehoz egy munkaterületet, majd számítási erőforrásokat ad hozzá a munkaterülethez. Ezután minden rendelkezésére áll, amire szüksége lesz a Azure Machine Learning használatának megkezdéséhez.
A munkaterület a gépi tanulási tevékenységek legfelső szintű erőforrása, amely központosított helyet biztosít a Azure Machine Learning használatakor létrehozott összetevők megtekintéséhez és kezeléséhez. A számítási erőforrások előre konfigurált felhőalapú környezetet biztosítanak a gépi tanulási modellek betanítása, üzembe helyezése, automatizálása, kezelése és nyomon követése érdekében.
Előfeltételek
- Aktív előfizetéssel rendelkező Azure-fiók. Hozzon létre egy fiókot ingyen.
A munkaterület létrehozása
Ha már van munkaterülete, hagyja ki ezt a szakaszt, és folytassa a számítási példány létrehozásával.
Ha még nincs munkaterülete, hozzon létre egyet most:
Jelentkezzen be a Azure Portal az Azure-előfizetés hitelesítő adataival.
A Azure Portal bal felső sarkában válassza ki a három sávot, majd az erőforrás létrehozása lehetőséget.
Keresse meg a Machine Learning a keresősávon.
Válassza Machine Learning.
A Machine Learning panelen kattintson a Létrehozás gombra a kezdéshez.
Adja meg a következő információkat az új munkaterület konfigurálásához:
Mező Leírás Munkaterület neve Adjon meg egy egyedi nevet, amely azonosítja a munkaterületet. Ebben a példában docs-ws-t használunk. A neveknek egyedinek kell lenniük az erőforráscsoportban. Olyan nevet használjon, amely könnyen visszahívható, és megkülönböztethető a mások által létrehozott munkaterületektől. Előfizetés Válassza ki a használni kívánt Azure-előfizetést. Erőforráscsoport Használjon egy meglévő erőforráscsoportot az előfizetésben, vagy adjon meg egy nevet egy új erőforráscsoport létrehozásához. Az erőforráscsoportok egy Azure-megoldáshoz kapcsolódó erőforrásokat tárolnak. Ebben a példában docs-aml-t használunk. Hely Válassza ki a felhasználókhoz legközelebb eső helyet és az adaterőforrásokat a munkaterület létrehozásához. Miután befejezte a munkaterület konfigurálását, válassza a Véleményezés + Létrehozás lehetőséget.
A munkaterület létrehozásához válassza a Létrehozás lehetőséget.
Figyelmeztetés
A munkaterület létrehozása a felhőben több percet is igénybe vehet.
Ha a folyamat befejeződött, megjelenik egy sikeres üzembe helyezési üzenet.
Az új munkaterület megtekintéséhez válassza az Erőforrás megnyitása lehetőséget.
A munkaterület portálnézetében válassza a Launch studio (Stúdió indítása) lehetőséget a Azure Machine Learning stúdió megnyitásához.
Számítási példány létrehozása
A Azure Machine Learning a saját számítógépén is telepítheti. Ebben a rövid útmutatóban azonban létrehoz egy online számítási erőforrást, amely már telepítve van egy fejlesztési környezettel, és készen áll a használatra. Ezt az online gépet, egy számítási példányt fogja használni a fejlesztési környezethez, hogy kódot írjon és futtasson Python-szkriptekben és Jupyter-notebookokban.
Hozzon létre egy számítási példányt , amely ezt a fejlesztési környezetet használja a többi oktatóanyaghoz és rövid útmutatóhoz.
- Ha az előző szakaszban nem az Ugrás munkaterületre lehetőséget adta meg, jelentkezzen be Azure Machine Learning stúdió, és válassza ki a munkaterületet.
- A bal oldalon válassza a Számítás lehetőséget.
- Új számítási példány létrehozásához válassza az +Új lehetőséget.
- Adjon meg egy nevet, tartsa meg az összes alapértelmezett értéket az első oldalon.
- Válassza a Létrehozás lehetőséget.
Körülbelül két perc múlva látni fogja, hogy a számítási példány állapotalétrehozásrólfuttatottra változik. Most már készen áll.
Számítási fürtök létrehozása
Ezután létre fog hozni egy számítási fürtöt. A fürtök lehetővé teszik egy betanítási vagy kötegelt következtetési folyamat elosztását a felhőben található CPU- vagy GPU-számítási csomópontokból álló fürtök között.
Hozzon létre egy számítási fürtöt, amely automatikusan skáláz nulla és négy csomópont között:
- Továbbra is a Számítás szakaszban, a felső lapon válassza a Számítási fürtök lehetőséget.
- Új számítási fürt létrehozásához válassza az +Új lehetőséget.
- Tartsa meg az összes alapértelmezett beállítást az első oldalon, és válassza a Tovább gombot. Ha nem lát rendelkezésre álló számítást, kvótanövelést kell kérnie. További információ a kvóták kezeléséről és növeléséről.
- Adja a fürt cpu-fürtjének a nevet. Ha ez a név már létezik, adja hozzá a monogramot a névhez, hogy egyedi legyen.
- Hagyja meg a csomópontok minimális számát 0-nál.
- Ha lehetséges, módosítsa a csomópontok maximális számát 4-esre. A beállításoktól függően előfordulhat, hogy kisebb korlátja van.
- A 2400-ra való leskálázás előtt módosítsa az üresjárati másodperceket .
- Hagyja meg a többi alapértelmezett beállítást, és válassza a Létrehozás lehetőséget.
Kevesebb mint egy perc múlva a fürt állapotalétrehozásrólsikeresre változik. A listában látható a kiépített számítási fürt, valamint az üresjárati csomópontok, az elfoglalt csomópontok és a nem kiépített csomópontok száma. Mivel még nem használta a fürtöt, az összes csomópont jelenleg nincs kiépítve.
Megjegyzés
A fürt létrehozásakor 0 csomópont lesz kiépítve. A fürt nem jár költségekkel, amíg el nem küld egy feladatot. Ez a fürt 2400 másodpercig (40 perc) inaktív állapotban leskálázható. Ez időt ad arra, hogy néhány oktatóanyagban használhassa, ha anélkül szeretné, hogy megvárná a biztonsági mentést.
Rövid bemutató a stúdióból
A stúdió a Azure Machine Learning webes portálja. Ez a portál ötvözi a kód nélküli és a kódelső funkciókat egy befogadó adatelemzési platformhoz.
Tekintse át a stúdió bal oldali navigációs sávjának részeit:
A stúdió Szerző szakasza számos módszert tartalmaz a gépi tanulási modellek létrehozásának első lépéseire. A következőket teheti:
- A Jegyzetfüzetek szakasz lehetővé teszi Jupyter-notebookok létrehozását, mintajegyzetfüzetek másolását, valamint jegyzetfüzetek és Python-szkriptek futtatását.
- Automatizált ML lépések, amelyeket azonban kód írása nélkül hozott létre.
- A Tervezővel húzással hozhat létre modelleket előre összeállított összetevők használatával.
A stúdió Eszközök szakasza segít nyomon követni a feladatok futtatásakor létrehozott eszközöket. Ha új munkaterülete van, ezen szakaszok egyikében sem található még semmi.
Már használta a studio Kezelés szakaszát a számítási erőforrások létrehozásához. Ez a szakasz a munkaterülethez kapcsolódó adatok és külső szolgáltatások létrehozását és kezelését is lehetővé teszi.
Munkaterület-diagnosztika
Diagnosztikát futtathat a munkaterületen Azure Machine Learning stúdió vagy a Python SDK-ból. A diagnosztika futtatása után a rendszer visszaadja az észlelt problémák listáját. Ez a lista a lehetséges megoldásokra mutató hivatkozásokat tartalmaz. További információ: A munkaterület diagnosztikáinak használata.
Az erőforrások eltávolítása
Ha azt tervezi, hogy most folytatja a következő oktatóanyagot, ugorjon a Következő lépésekre.
Számítási példány leállítása
Ha most nem fogja használni, állítsa le a számítási példányt:
- A stúdió bal oldalán válassza a Számítás lehetőséget.
- A felső füleken válassza a Számítási példányok lehetőséget
- Válassza ki a számítási példányt a listában.
- A felső eszköztáron válassza a Leállítás lehetőséget.
Az összes erőforrás törlése
Fontos
A létrehozott erőforrások más Azure Machine Learning oktatóanyagok és útmutatók előfeltételeiként használhatók.
Ha nem tervezi a létrehozott erőforrások egyikét sem használni, törölje őket, hogy ne kelljen díjat fizetnie:
Az Azure Portalon válassza az Erőforráscsoportok lehetőséget a bal szélen.
Válassza ki a létrehozott erőforráscsoportot a listából.
Válassza az Erőforráscsoport törlése elemet.
Írja be az erőforráscsoport nevét. Ezután válassza a Törlés elemet.
Következő lépések
Most már van egy Azure Machine Learning munkaterülete, amely a következőket tartalmazza:
- A fejlesztési környezethez használandó számítási példány.
- A betanítási futtatások elküldéséhez használandó számítási fürt.
Ezekkel az erőforrásokkal többet tudhat meg Azure Machine Learning és betaníthat egy modellt Python-szkriptekkel.