Rövid útmutató: Az első lépésekhez szükséges munkaterület-erőforrások Azure Machine Learning

Ebben a rövid útmutatóban létrehoz egy munkaterületet, majd számítási erőforrásokat ad hozzá a munkaterülethez. Ezután mindene megvan, amire szüksége lehet a Azure Machine Learning.

A munkaterület a gépi tanulási tevékenységek legfelső szintű erőforrása, amely egy központosított helyet biztosít a munkaterület használata során létrehozott összetevők Azure Machine Learning. A számítási erőforrások előre konfigurált felhőalapú környezetet biztosítanak, amely gépi tanulási modellek betanítása, üzembe helyezése, automatizálása, kezelése és nyomon követése.

Előfeltételek

A munkaterület létrehozása

Ha már rendelkezik munkaterülettel, hagyja ki ezt a szakaszt, és folytassa a Számítási példány létrehozása című résztel.

Ha még nincs munkaterülete, hozzon létre egyet:

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

  2. A bal felső sarokban válassza Azure Portal három sávot, majd az + Erőforrás létrehozása lehetőséget.

    Képernyőkép az + Erőforrás létrehozása ről.

  3. A keresősáv használatával keresse meg a Machine Learning.

  4. Válassza a Machine Learning lehetőséget.

    Képernyőkép a találatok kiválasztására Machine Learning.

  5. A Machine Learning válassza a Létrehozás lehetőséget a kezdéshez.

  6. Adja meg a következő információkat az új munkaterület konfiguráláshoz:

    Mező Leírás
    Munkaterület neve Adjon meg egy egyedi nevet, amely azonosítja a munkaterületet. Ebben a példában a docs-ws-t használjuk. A neveknek egyedinek kell lennie az erőforráscsoporton belül. Olyan nevet használjon, amely könnyen felidézhető, és megkülönböztethető a mások által létrehozott munkaterületektől.
    Előfizetés Válassza ki a használni kívánt Azure-előfizetést.
    Erőforráscsoport Használjon egy meglévő erőforráscsoportot az előfizetésében, vagy adjon meg egy nevet egy új erőforráscsoport létrehozásához. Az erőforráscsoport egy Azure-megoldás kapcsolódó erőforrásait tartalmazza. Ebben a példában a docs-aml-t használjuk.
    Hely Válassza ki a felhasználókhoz legközelebb eső helyet és az adatforrásokat a munkaterület létrehozásához.
  7. Miután befejezte a munkaterület konfigurálását, válassza az Áttekintés + létrehozás lehetőséget.

  8. A munkaterület létrehozásához válassza a Létrehozás lehetőséget.

    Figyelmeztetés

    A munkaterület létrehozása a felhőben több percig is eltarthat.

    Ha a folyamat befejeződött, megjelenik az üzembe helyezés sikerességével kapcsolatos üzenet.

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

  10. A munkaterület portálnézetében válassza a Studio indítása lehetőséget a munkaterület Azure Machine Learning stúdió.

Számítási példány létrehozása

A saját Azure Machine Learning is telepítheti. Ebben a rövid útmutatóban azonban egy olyan online számítási erőforrást hoz létre, amely már telepítve van és használatra kész fejlesztési környezettel rendelkezik. Ezt az online gépet, egy számítási példányt fog használni a fejlesztési környezetben kód írására és futtatására Python-szkriptek és Jupyter-notebookok használatával.

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 a munkaterületre lehetőséget választja, jelentkezzen be a Azure Machine Learning Studióba, és válassza ki a munkaterületet.
  2. A bal oldalon a Kezelés alatt válassza a Számítás lehetőséget.
  3. Új számítási példány létrehozásához válassza az +Új lehetőséget.
  4. Az első oldalon tartsa meg az összes alapértelmezett beállítást, majd válassza a Tovább lehetőséget.
  5. Adja meg a nevet, és válassza a Létrehozás lehetőséget.

Körülbelül két perc múlva látni fogja, hogy a számítási példány állapota Létrehozásról Fut állapotra változik. Most már készen áll a használatra.

Számítási fürtök létrehozása

A következő lépés egy számítási fürt létrehozása. A fürtök lehetővé teszik egy betanítási vagy kötegelt következtetési folyamat elosztását a felhőben található CPU- vagy GPU-számítási csomópontok fürtön.

Hozzon létre egy számítási fürtöt, amely automatikusan skáláz nulla és négy csomópont között:

  1. Még mindig a Számítás szakaszban, a felső lapon válassza a Számítási fürtök lehetőséget.
  2. Új számítási fürt létrehozásához válassza az +Új lehetőséget.
  3. Az első oldalon tartsa meg az összes alapértelmezett beállítást, majd válassza a Tovább lehetőséget.
  4. A fürtnek nevezze el a cpu-cluster nevet. Ha ez a név már létezik, adja hozzá a monogramját a névhez, hogy egyedivé tegye.
  5. A csomópontok minimális számát hagyja 0-ban.
  6. Ha lehetséges, módosítsa a Csomópontok maximális száma értéket 4-re. A beállításoktól függően előfordulhat, hogy kisebb korlátja van.
  7. A 2400-as skálázás előtt módosítsa az Üresjárati idő másodpercben 2400-ra.
  8. Hagyja meg a többi alapértelmezett értéket, és válassza a Létrehozás lehetőséget.

A fürt állapota kevesebb mint egy percen belül Létrehozásról Sikeresre változik. A listában látható a kiépített számítási fürt, valamint az inaktív csomópontok, a foglalt csomópontok és a kiépítetlen csomópontok száma. Mivel még nem használta a fürtöt, az összes csomópont jelenleg nincs kiépítve.

Megjegyzés

A fürt létrehozása után 0 csomópont lesz kiépítve. A fürt nem jár költségekkel, amíg el nem küld egy feladatot. Ez a fürt akkor skáláz le, ha 2400 másodpercig (40 percig) tétlen volt. Ez időt ad arra, hogy néhány oktatóanyagban használja anélkül, hogy megvárja, amíg a biztonsági skálázva lesz.

A studio gyors bemutatója

A studio a webportál a Azure Machine Learning. Ez a portál kódfüggetlen és kódfüggetlen felületeket kombinál egy befogadó adattudományi platformhoz.

Tekintse át a studio részeit a bal oldali navigációs sávon:

  • A Studio Author (Szerző) szakasza több módszert is tartalmaz a gépi tanulási modellek létrehozásának első lépésekhez. A következőket teheti:

    • A Jegyzetfüzetek szakaszban Jupyter-notebookokat hozhat létre, mintajegyzetfüzeteket másolhat, valamint notebookokat és Python-szkripteket futtathat.
    • Automatizált ML a gépi tanulási modell kódírás nélküli létrehozása közben.
    • A Designerrel húzással, előre felépített modulokkal lehet modelleket összeépíteni.
  • A studio Assets (Eszközök) szakasza segít nyomon követni a feladatok futtatása után létrehozott eszközöket. Ha új munkaterülettel dolgozik, ezen szakaszok még nem tartalmaznak semmit.

  • Már használta a Studio Kezelés szakaszát a számítási erőforrások létrehozásához. Ez a szakasz a munkaterületre hivatkozó adatokat és külső szolgáltatásokat is lehetővé teszi.

Erőforrások tisztítása

Ha azt tervezi, hogy folytatja a következő oktatóanyagot, ugorjon a Következő lépések részhez.

Számítási példány leállítása

Ha most nem használja, állítsa le a számítási példányt:

  1. A studióban a bal oldalon válassza a Compute lehetőséget.
  2. A felső lapokon válassza a Számítási példányok lehetőséget.
  3. Válassza ki a listában a számítási példányt.
  4. A felső eszköztáron válassza a Leállítás lehetőséget.

Az összes erőforrás törlése

Fontos

A létrehozott erőforrások előfeltételként is használhatók más Azure Machine Learning oktatóanyagokban és útmutatókban.

Ha nem tervezi a létrehozott erőforrások használatát, törölje őket, így nem kell díjat fizetniük:

  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.

    Az Azure Portalon található erőforráscsoport törlését ábrázoló képernyőkép.

  4. Írja be az erőforráscsoport nevét. Ezután válassza a Törlés elemet.

Következő lépések

Most már van egy Azure Machine Learning munkaterülete, amely a következő adatokat tartalmazza:

  • A fejlesztési környezethez használt számítási példány.
  • Egy számítási fürt, amely a betanítási futtatásokat küldje el.

Ezekkel az erőforrásokkal további információt olvashat a modellek Azure Machine Learning python-szkriptekkel való betanításról.