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

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:

  1. Jelentkezzen be a Azure Portal az Azure-előfizetés hitelesítő adataival.

  2. A Azure Portal bal felső sarkában válassza ki a három sávot, majd az erőforrás létrehozása lehetőséget.

    Screenshot showing + Create a resource.

  3. Keresse meg a Machine Learning a keresősávon.

  4. Válassza Machine Learning.

    Screenshot shows search results to select Machine Learning.

  5. A Machine Learning panelen kattintson a Létrehozás gombra a kezdéshez.

  6. 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.
  7. Miután befejezte a munkaterület konfigurálását, válassza a Véleményezés + Létrehozás lehetőséget.

  8. 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.

  9. Az új munkaterület megtekintéséhez válassza az Erőforrás megnyitása lehetőséget.

  10. 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.

  1. Ha az előző szakaszban nem az Ugrás munkaterületre lehetőséget adta meg, jelentkezzen be Azure Machine Learning stúdió, és válassza ki a munkaterületet.
  2. A bal oldalon válassza a Számítás lehetőséget.
  3. Új számítási példány létrehozásához válassza az +Új lehetőséget.
  4. Adjon meg egy nevet, tartsa meg az összes alapértelmezett értéket az első oldalon.
  5. 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:

  1. Továbbra is a Számítás szakaszban, a felső lapon válassza a Számítási fürtök lehetőséget.
  2. Új számítási fürt létrehozásához válassza az +Új lehetőséget.
  3. 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.
  4. Adja a fürt cpu-fürtjének a nevet. Ha ez a név már létezik, adja hozzá a monogramot a névhez, hogy egyedi legyen.
  5. Hagyja meg a csomópontok minimális számát 0-nál.
  6. Ha lehetséges, módosítsa a csomópontok maximális számát 4-esre. A beállításoktól függően előfordulhat, hogy kisebb korlátja van.
  7. A 2400-ra való leskálázás előtt módosítsa az üresjárati másodperceket .
  8. 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:

  1. A stúdió bal oldalán válassza a Számítás lehetőséget.
  2. A felső füleken válassza a Számítási példányok lehetőséget
  3. Válassza ki a számítási példányt a listában.
  4. 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:

  1. Az Azure Portalon válassza az Erőforráscsoportok lehetőséget a bal szélen.

  2. Válassza ki a létrehozott erőforráscsoportot a listából.

  3. Válassza az Erőforráscsoport törlése elemet.

    Screenshot of the selections to delete a resource group in the Azure portal.

  4. 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.