Configurar a extensão do Azure Machine Learning para Visual Studio Code (versão prévia)Set up Azure Machine Learning Visual Studio Code extension (preview)

Saiba como instalar e executar scripts usando a extensão do Azure Machine Learning para Visual Studio Code.Learn how to install and run scripts using the Azure Machine Learning Visual Studio Code extension.

Neste tutorial, você aprende as seguintes tarefas:In this tutorial, you learn the following tasks:

  • Instalar a extensão do Azure Machine Learning para Visual Studio CodeInstall the Azure Machine Learning Visual Studio Code extension
  • Entrar em sua conta do Azure por meio do Visual Studio CodeSign into your Azure account from Visual Studio Code
  • Usar a extensão do Azure Machine Learning para executar um script de exemploUse the Azure Machine Learning extension to run a sample script

Pré-requisitosPrerequisites

Instalar a extensãoInstall the extension

  1. Abra o Visual Studio Code.Open Visual Studio Code.

  2. Selecione o ícone Extensões na Barra de Atividade para abrir a exibição Extensões.Select Extensions icon from the Activity Bar to open the Extensions view.

  3. Na exibição Extensões, pesquise "Azure Machine Learning".In the Extensions view, search for "Azure Machine Learning".

  4. Selecione Instalar.Select Install.

    Instalar a extensão VS Code do Azure Machine LearningInstall Azure Machine Learning VS Code Extension

Observação

Como alternativa, você pode instalar a extensão do Azure Machine Learning por meio do Visual Studio Marketplace baixando o instalador diretamente.Alternatively, you can install the Azure Machine Learning extension via the Visual Studio Marketplace by downloading the installer directly.

O restante das etapas deste tutorial foi testado com a versão 0.6.8 da extensão.The rest of the steps in this tutorial have been tested with version 0.6.8 of the extension.

Entrar em sua conta do AzureSign in to your Azure Account

Para provisionar recursos e executar cargas de trabalho no Azure, você precisa entrar com suas credenciais de conta do Azure.In order to provision resources and run workloads on Azure, you have to sign in with your Azure account credentials. Para auxiliar no gerenciamento de conta, o Azure Machine Learning instala automaticamente a extensão Conta do Azure.To assist with account management, Azure Machine Learning automatically installs the Azure Account extension. Visite o site a seguir para saber mais sobre a extensão Conta do Azure.Visit the following site to learn more about the Azure Account extension.

  1. Abra a paleta de comandos selecionando Exibição > Paleta de Comandos na barra de menus.Open the command palette by selecting View > Command Palette from the menu bar.
  2. Insira o comando "Azure: Entrar" na paleta de comandos para iniciar o processo de entrada.Enter the command "Azure: Sign In" into the command palette to start the sign in process.

Executar um script de treinamento de modelo de machine learning no AzureRun a machine learning model training script in Azure

Agora que você entrou no Azure com suas credenciais de conta, use as etapas desta seção para saber como usar a extensão para treinar um modelo de machine learning.Now that you have signed into Azure with your account credentials, Use the steps in this section to learn how to use the extension to train a machine learning model.

  1. Baixe e descompacte o repositório do VS Code Tools for AI em qualquer lugar no computador.Download and unzip the VS Code Tools for AI repository anywhere on your computer.

  2. Abra o diretório mnist-vscode-docs-sample no Visual Studio Code.Open the mnist-vscode-docs-sample directory in Visual Studio Code.

  3. Selecione o ícone Azure na barra de atividade.Select the Azure icon in the Activity Bar.

  4. Selecione o ícone Executar Experimento na parte superior da Exibição do Azure Machine Learning.Select the Run Experiment icon at the top of the Azure Machine Learning View.

    Executar o experimentoRun Experiment

  5. Quando a paleta de comandos for expandida, siga os avisos.When the command palette expands, follow the prompts.

    Observação

    Se você já tiver recursos existentes do Azure Machine Learning provisionados, confira Como executar experimentos no guia do VS Code.If you already have existing Azure Machine Learning resources provisioned, see how to run experiments in VS Code guide.

    1. Selecione sua assinatura do Azure.Select your Azure subscription.
    2. Na lista de ambientes, selecione Arquivo de dependências do Conda.From the list of environments, select Conda dependencies file.
    3. Pressione Enter para procurar o arquivo de dependências do Conda.Press Enter to browse the Conda dependencies file. Esse arquivo contém as dependências necessárias para executar seu script.This file contains the dependencies required to run your script. Nesse caso, o arquivo de dependências é o arquivo env.yml dentro do diretório mnist-vscode-docs-sample.In this case, the dependencies file is the env.yml file inside the mnist-vscode-docs-sample directory.
    4. Pressione Enter para procurar o arquivo de script de treinamento.Press Enter to browse the training script file. Esse é o arquivo que contém o código para um modelo de machine learning que categoriza imagens de dígitos manuscritos.This is the file that contains code to a machine learning model that categorize images of handwritten digits. Nesse caso, o script para treinar o modelo é o arquivo train.py dentro do diretório mnist-vscode-docs-sample.In this case, the script to train the model is the train.py file inside the mnist-vscode-docs-sample directory.
  6. Neste ponto, um arquivo de configuração semelhante ao mostrado abaixo é exibido no editor de texto.At this point, a configuration file similar to the one below appears in the text editor. A configuração contém as informações necessárias para executar o trabalho de treinamento, como o arquivo que contém o código para treinar o modelo e as dependências do Python especificadas na etapa anterior.The configuration contains the information required to run the training job like the file that contains the code to train the model and any Python dependencies specified in the previous step.

    {
        "workspace": "WS06271500",
        "resourceGroup": "WS06271500-rg2",
        "location": "South Central US",
        "experiment": "WS06271500-exp1",
        "compute": {
            "name": "WS06271500-com1",
            "vmSize": "Standard_D1_v2, Cores: 1; RAM: 3.5GB;"
        },
        "runConfiguration": {
            "filename": "WS06271500-com1-rc1",
            "environment": {
                "name": "WS06271500-env1",
                "conda_dependencies": [
                    "python=3.6.2",
                    "tensorflow=1.15.0",
                    "pip"
                ],
                "pip_dependencies": [
                    "azureml-defaults"
                ],
                "environment_variables": {}
            }
        }
    }
    
  7. Quando estiver satisfeito com a configuração, envie seu experimento abrindo a paleta de comandos e inserindo o seguinte comando:Once you're satisfied with your configuration, submit your experiment by opening the command palette and entering the following command:

    Azure ML: Submit Experiment
    

    Isso envia o train.py e o arquivo de configuração para o Workspace do Azure Machine Learning.This sends the train.py and configuration file to your Azure Machine Learning workspace. O trabalho de treinamento é então iniciado em um recurso de computação no Azure.The training job is then started on a compute resource in Azure.

Acompanhar o progresso do script de treinamentoTrack the progress of the training script

A execução do seu script pode levar vários minutos.Running your script can take several minutes. Para acompanhar o progresso dele:To track its progress:

  1. Selecione o ícone Azure na barra de atividades.Select the Azure icon from the activity bar.

  2. Expanda o nó da assinatura.Expand your subscription node.

  3. Expanda o nó do seu experimento em execução no momento.Expand your currently running experiment's node. Ele está localizado dentro do nó {workspace}/Experiments/{experiment} em que os valores do workspace e do experimento são os mesmos que as propriedades definidas no arquivo de configuração.This is located inside the {workspace}/Experiments/{experiment} node where the values for your workspace and experiment are the same as the properties defined in the configuration file.

  4. Todas as execuções do experimento são listadas, bem como o status delas.All of the runs for the experiment are listed, as well as their status. Para obter o status mais recente, clique no ícone de atualização na parte superior da exibição do Azure Machine Learning.To get the most recent status, click the refresh icon at the top of the Azure Machine Learning View.

    Acompanhar o progresso do experimentoTrack Experiment Progress

Baixar o modelo treinadoDownload the trained model

Quando a execução do experimento for concluída, a saída será um modelo treinado.When the experiment run is complete, the output is a trained model. Para baixar as saídas localmente:To download the outputs locally:

  1. Clique com o botão direito do mouse na execução mais recente e selecione Baixar Saídas.Right-click the most recent run and select Download Outputs.

    Baixar Modelo TreinadoDownload Trained Model

  2. Selecione uma localização para salvar as saídas.Select a location where to save the outputs to.

  3. Uma pasta com o nome da sua execução é baixada localmente.A folder with the name of your run is downloaded locally. Navegue até ela.Navigate to it.

  4. Os arquivos de modelo estão dentro do diretório outputs/outputs/model.The model files are inside the outputs/outputs/model directory.

Próximas etapasNext steps