Краткое руководство. Начало работы со Службой машинного обучения Azure с помощью портала AzureQuickstart: Use the Azure portal to get started with Azure Machine Learning

Для создания рабочей области "Машинное обучение Azure" используйте портал Azure.Use the Azure portal to create an Azure Machine Learning workspace. Эта рабочая область — основной блок в облаке для экспериментов, обучения и развертывания моделей машинного обучения с помощью Машинного обучения Azure.This workspace is the foundational block in the cloud that you use to experiment, train, and deploy machine learning models with Machine Learning. В этом кратком руководстве используются ресурсы облака. Установка не требуется.This quickstart uses cloud resources and requires no installation. Для настройки собственного сервера Jupyter Notebook, выполните инструкции, приведенные в Краткое руководство по началу работы со службой "Машинное обучение Azure" с использованием Python.To configure your own Jupyter Notebooks server instead, see Quickstart: Use Python to get started with Azure Machine Learning.

В этом кратком руководстве вы выполните следующие действия:In this quickstart, you take the following actions:

  • Создавать рабочую область в своей подписке Azure.Create a workspace in your Azure subscription.
  • Попробуете использовать ее с Python в записной книжке Jupyter и запишете значения из нескольких итераций.Try it out with Python in a Jupyter notebook and log values across multiple iterations.
  • просмотрите записанные значения в рабочей области.View the logged values in your workspace.

Следующие ресурсы Azure добавляются автоматически в рабочую область, если они доступны в вашем регионе:The following Azure resources are added automatically to your workspace when they're regionally available:

Созданные ресурсы могут использоваться в качестве необходимых компонентов для других руководств и статей с практическими рекомендациями по Службе машинного обучения.The resources you create can be used as prerequisites to other Machine Learning service tutorials and how-to articles. Как и в других службах Azure, существуют ограничения на некоторые ресурсы, связанные со Службой машинного обучения.As with other Azure services, there are limits on certain resources associated with Machine Learning. Например, размер вычислительного кластера.An example is compute cluster size. Дополнительные сведения см. в статье Управление квотами для ресурсов Azure и их запрашивание.Learn more about the default limits and how to increase your quota.

Если у вас еще нет подписки Azure, создайте бесплатную учетную запись Azure, прежде чем начинать работу.If you don’t have an Azure subscription, create a free account before you begin. Попробуйте бесплатную или платную версию Службы машинного обучения Azure.Try the free or paid version of Azure Machine Learning service today.

Создание рабочей областиCreate a workspace

  1. Войдите на портал Azure с помощью учетных данных для используемой подписки Azure.Sign in to the Azure portal by using the credentials for the Azure subscription you use.

    Портал Azure

  2. Выберите Создать ресурс в левом верхнем углу портала.In the upper-left corner of the portal, select Create a resource.

    Создание ресурса на портале Azure

  3. В строке поиска введите машинное обучение.In the search bar, enter Machine Learning. Выберите результат поиска рабочей области Службы машинного обучения.Select the Machine Learning service workspace search result.

    Поиск рабочей области

  4. Прокрутите вниз панель рабочей области Службы машинного обучения и выберите Создать, чтобы начать создание.In the ML service workspace pane, scroll to the bottom and select Create to begin.

    Создание

  5. Настройте рабочую область на панели рабочей области Службы машинного обучения.In the ML service workspace pane, configure your workspace.

    ПолеField ОПИСАНИЕDescription
    имя рабочей области.Workspace name Введите уникальное имя для идентификации рабочей области.Enter a unique name that identifies your workspace. В этом примере мы используем docs-ws.In this example, we use docs-ws. Имена должны быть уникальными в группе ресурсов.Names must be unique across the resource group. Используйте имя, которое легко запомнить и отличить от рабочих областей, созданных другими пользователями.Use a name that's easy to recall and differentiate from workspaces created by others.
    ПодпискаSubscription Выберите подписку Azure, которую нужно использовать.Select the Azure subscription that you want to use.
    Группа ресурсовResource group Используйте группу ресурсов, которая есть в подписке, или введите имя, чтобы создать группу ресурсов.Use an existing resource group in your subscription, or enter a name to create a new resource group. Группа ресурсов — это контейнер, содержащий связанные ресурсы для решения Azure.A resource group is a container that holds related resources for an Azure solution. В этом примере мы используем docs-aml.In this example, we use docs-aml.
    РасположениеLocation Выберите ближайшее к пользователям и ресурсам данных расположение.Select the location closest to your users and the data resources. В нем будет создана рабочая область.This location is where the workspace is created.

    Создание рабочей области

  6. Чтобы начать процесс создания, выберите Создать.To start the creation process, select Create. Создание рабочей области может занять несколько минут.It can take a few moments to create the workspace.

  7. Вы можете проверить состояние развертывания, щелкнув значок уведомлений (колокольчик) на панели инструментов.To check on the status of the deployment, select the Notifications icon, bell, on the toolbar.

  8. По завершении процесса появится сообщение об успешном развертывании.When the process is finished, a deployment success message appears. Оно также присутствует в области уведомлений.It's also present in the notifications section. Чтобы просмотреть новую рабочую область, выберите Перейти к ресурсу.To view the new workspace, select Go to resource.

    Состояние создания рабочей области

Используйте рабочую областьUse the workspace

Теперь ознакомьтесь с тем, как рабочая область помогает управлять сценариями машинного обучения.Now learn how a workspace helps you manage your machine learning scripts. Ниже перечислены действия, которые вы выполните в этом разделе.In this section, you take the following steps:

  • Откроете записную книжку в Записных книжках Azure.Open a notebook in Azure Notebooks.
  • Запустите код, который создает записанные значения.Run code that creates some logged values.
  • Просмотрите записанные значения в рабочей области.View the logged values in your workspace.

Этот пример демонстрирует, как рабочая область может помочь вам отследить информацию, создаваемую в сценарии.This example shows how the workspace can help you keep track of information generated in a script.

Откройте записную книжкуOpen a notebook

Записные книжки Azure предоставляют бесплатную облачную платформу для записных книжек Jupyter, предварительно настроенную для запуска Машинного обучения.Azure Notebooks provides a free cloud platform for Jupyter notebooks that is preconfigured with everything you need to run Machine Learning. Из своей рабочей области вы можете запустить эту платформу, чтобы начать использовать рабочую область Службы машинного обучения Azure.From your workspace you can launch this platform to get started using your Azure Machine Learning service workspace.

  1. На странице рабочей области выберите Обзор рабочей области службы машинного обучения Azure.On the workspace page, select Explore your Azure Machine Learning service Workspace.

Обзор рабочего пространства

  1. Выберите Откройте Записные книжки Azure, чтобы провести первый эксперимент в Записных книжках Azure.Select Open Azure Notebooks to try your first experiment in Azure Notebooks. Записные книжки Azure — это отдельная служба, которая позволяет бесплатно запускать записные книжки Jupyter в облаке.Azure Notebooks is a separate service that lets you run Jupyter notebooks for free in the cloud. Когда вы используете эту ссылку на службу, информация о том, как подключиться к вашему рабочему пространству, будет добавлена в библиотеку, которую вы создаете в Записных книжках Azure.When you use this link to the service, information about how to connect to your workspace will be added to the library you create in Azure Notebooks.

Открытие Записных книжек Azure

  1. Войдите в Записные книжки Azure.Sign into Azure Notebooks. Убедитесь, что для входа вы используете ту же учетную запись, что и на портале Azure.Make sure you sign in with the same account you used to sign into the Azure portal. Ваша организация может требовать согласия администратора для входа.Your organization might require administrator consent before you can sign in.

  2. После входа откроется вкладка и отобразится подсказка Clone Library.After you sign in, a new tab opens and a Clone Library prompt appears. Клонирование этой библиотеки приведет к загрузке набора записных книжек и других файлов в вашу учетную запись Записных книжек Azure.Cloning this library will load a set of notebooks and other files into your Azure Notebooks account. Эти файлы помогут вам изучить возможности Машинного обучения Azure.These files help you explore the capabilities of Azure Machine Learning.

  3. Снимите флажок Общедоступный, чтобы не делиться информацией о своей рабочей области с другими.Uncheck Public so that you don't share your workspace information with others.

  4. Выберите Клонировать.Select Clone.

Клонирование библиотеки

  1. Если вы видите, что состояние проекта остановлено, щелкните Run on Free Computer (Запустить на бесплатном компьютере), чтобы использовать бесплатный сервер записных книжек.If you see that the project status is stopped, click on Run on Free Computer to use the free notebook server.

    Запуск проекта на бесплатном вычислительном ресурсе

Запустите записную книжкуRun the notebook

В списке файлов для этого проекта находится файл config.json.In the list of files for this project, you see a config.json file. Этот файл конфигурации содержит сведения о рабочей области, которую вы создали на портале Azure.This config file contains information about the workspace you created in the Azure portal. Он позволяет вашему коду подключаться и добавлять информацию в рабочую область.This file allows your code to connect to and add information into your workspace.

  1. Выберите 01.run-experiment.ipynb, чтобы открыть записную книжку.Select 01.run-experiment.ipynb to open the notebook.

  2. Область состояния просит подождать, пока ядро не запустится.The status area tells you to wait until the kernel has started. Это сообщение исчезнет, как только ядро будет готово.The message disappears once the kernel is ready.

    Ожидание запуска ядра

  3. После запуска ядра запускайте ячейки по одной, используя сочетание клавиш Shift+Enter.After the kernel has started, run the cells one at a time using Shift+Enter. Или выберите Ячейки > Запустить все, чтобы запустить всю записную книжку.Or select Cells > Run All to run the entire notebook. Ячейка все еще работает, если рядом с ней отображается звездочка, *.When you see an asterisk, *, next to a cell, the cell is still running. Когда код для этой ячейки будет выполнен, появится номер.After the code for that cell finishes, a number appears.

  4. Следуйте инструкциям в записной книжке для проверки подлинности подписки Azure.Follow instructions in the notebook to authenticate your Azure subscription.

После завершения запуска всех ячеек в записной книжке можно просмотреть зарегистрированные значения в рабочей области.After you've finished running all of the cells in the notebook, you can view the logged values in your workspace.

Просмотр зарегистрированных в журнале значенийView logged values

  1. Выходные данные из ячейки run содержат ссылку на портал Azure для просмотра результатов эксперимента в рабочей области.The output from the run cell contains a link back to the Azure portal to view the experiment results in your workspace.

    Просмотр экспериментов

  2. Щелкните ссылку на портал Azure для просмотра сведений о запуске в рабочей области.Click the Link to Azure Portal to view information about the run in your workspace. Эта ссылка открывает рабочую область на портале Azure.This link opens your workspace in the Azure portal.

  3. Отображающиеся графики зарегистрированных значений были автоматически созданы в рабочей области.The plots of logged values you see were automatically created in the workspace. При каждой регистрации нескольких значений с одним и тем же параметром name график создается автоматически.Whenever you log multiple values with the same name parameter, a plot is automatically generated for you.

    Просмотр истории

Так как код для приблизительного расчета числа Пи использует случайные значения, на графиках будут отображаться разные значения.Because the code to approximate pi uses random values, your plots will show different values.

Очистка ресурсовClean up resources

Важно!

Созданные ресурсы могут использоваться в качестве необходимых компонентов для других руководств и статей с практическими рекомендациями по Службе машинного обучения Azure.The resources you created can be used as prerequisites to other Azure Machine Learning service tutorials and how-to articles.

Если вы не планируете использовать созданные ресурсы, удалите их, чтобы с вас не взималась плата.If you don't plan to use the resources you created, delete them, so you don't incur any charges:

  1. На портале Azure выберите Группы ресурсов в левой части окна.In the Azure portal, select Resource groups on the far left.

    Удаление ресурсов на портале Azure

  2. В списке выберите созданную группу ресурсов.From the list, select the resource group you created.

  3. Выберите Удалить группу ресурсов.Select Delete resource group.

  4. Введите имя группы ресурсов.Enter the resource group name. Теперь щелкните Удалить.Then select Delete.

Вы также можете сохранить группу ресурсов, но удалить одну рабочую область.You can also keep the resource group but delete a single workspace. Отобразите свойства рабочей области и нажмите кнопку Удалить.Display the workspace properties and select Delete.

Дополнительная информацияNext steps

Вы создали необходимые ресурсы для экспериментирования и развертывания моделей.You created the necessary resources to experiment with and deploy models. Вы также запустили код в записной книжкеYou also ran some code in a notebook. и изучили журнал выполнения из этого кода в вашей рабочей области в облаке.And you explored the run history from that code in your workspace in the cloud.

Чтобы узнать больше о рабочем процессе, изучите инструкции по обучению и развертыванию модели в руководствах по Машинному обучению:For an in-depth workflow experience, follow Machine Learning tutorials to train and deploy a model: