Snabbstart: Skapa arbetsyteresurser som du behöver för att komma igång med Azure Machine Learning

I den här snabbstarten skapar du en arbetsyta och lägger sedan till beräkningsresurser på arbetsytan. Sedan har du allt du behöver för att komma igång med Azure Machine Learning.

Arbetsytan är den översta resursen för dina maskininlärningsaktiviteter, vilket ger en central plats för att visa och hantera de artefakter som du skapar när du använder Azure Machine Learning. Beräkningsresurserna tillhandahåller en förkonfigurerad molnbaserad miljö som du kan använda för att träna, distribuera, automatisera, hantera och spåra maskininlärningsmodeller.

Förutsättningar

• Ett Azure-konto med en aktiv prenumeration. Skapa ett konto utan kostnad.

Skapa arbetsytan

Om du redan har en arbetsyta hoppar du över det här avsnittet och fortsätter till Skapa en beräkningsinstans.

Om du ännu inte har en arbetsyta kan du skapa en nu:

1. Logga in på Azure Portal med autentiseringsuppgifterna för din Azure-prenumeration.

2. I det övre vänstra hörnet i Azure Portal de tre staplarna och sedan + Skapa en resurs.

   

3. Använd sökfältet för att hitta Machine Learning.

4. Välj Machine Learning.

   

5. I fönstret Machine Learning väljer du Skapa för att börja.

6. Ange följande information för att konfigurera den nya arbetsytan:

   Fält	Beskrivning
   Namn på arbetsyta	Ange ett unikt namn som identifierar din arbetsyta. I det här exemplet använder vi docs-ws. Namnen måste vara unika i resursgruppen. Använd ett namn som är lätt att återkalla och för att skilja från arbetsytor som skapats av andra.
   Prenumeration	Välj den Azure-prenumeration som du vill använda.
   Resursgrupp	Använd en befintlig resursgrupp i din prenumeration eller ange ett namn för att skapa en ny resursgrupp. En resursgrupp innehåller relaterade resurser för en Azure-lösning. I det här exemplet använder vi docs-aml.
   Location	Välj den plats som är närmast dina användare och dataresurserna för att skapa din arbetsyta.

7. När du har konfigurerat arbetsytan väljer du Granska + skapa.

8. Välj Skapa för att skapa arbetsytan.

   Varning

   Det kan ta flera minuter att skapa din arbetsyta i molnet.

   När processen är klar visas ett meddelande om att distributionen lyckades.

9. Om du vill visa den nya arbetsytan väljer du Gå till resurs.

10. I portalvyn för din arbetsyta väljer du Starta studio för att gå till Azure Machine Learning-studio.

Skapa beräkningsinstans

Du kan installera Azure Machine Learning på din egen dator. Men i den här snabbstarten skapar du en beräkningsresurs online som har en redan installerad utvecklingsmiljö som är redo att börja. Du använder den här onlinedatorn, en beräkningsinstans , för din utvecklingsmiljö för att skriva och köra kod i Python-skript och Jupyter Notebooks.

Skapa en beräkningsinstans för att använda den här utvecklingsmiljön i resten av självstudierna och snabbstarterna.

1. Om du inte har valt Gå till arbetsyta i föregående avsnitt loggar du in på Azure Machine Learning studio nu och väljer din arbetsyta.
2. Välj Compute till vänster.
3. Välj + Ny för att skapa en ny beräkningsinstans.
4. Ange ett namn, Behåll alla standardvärden på den första sidan.
5. Välj Skapa.

Om två minuter ser du att status för beräkningsinstansen ändras från Skapa till Körs. Nu är den redo att börja.

Skapa beräkningskluster

Nu ska du skapa ett beräkningskluster. Med kluster kan du distribuera en tränings- eller batch inferensprocess över ett kluster med CPU- eller GPU-beräkningsnoder i molnet.

Skapa ett beräkningskluster som ska skalas automatiskt mellan noll och fyra noder:

1. I avsnittet Compute går du till fliken längst upp och väljer Beräkningskluster.
2. Välj + Ny för att skapa ett nytt beräkningskluster.
3. Behåll alla standardvärden på den första sidan och välj Nästa.
4. Ge klustret namnet cpu-cluster. Om det här namnet redan finns lägger du till dina initialer i namnet så att det blir unikt.
5. Låt Lägsta antal noder vara kvar på 0.
6. Ändra Maximalt antal noder till 4 om möjligt. Beroende på dina inställningar kan du ha en mindre gräns.
7. Ändra Sekunder av inaktivitet innan nedskalning till 2400.
8. Lämna resten av standardinställningarna och välj Skapa.

På mindre än en minut ändras klustrets tillstånd från Skapa till Lyckades. Listan visar det etablerade beräkningsklustret, tillsammans med antalet inaktiva noder, upptagna noder och avetablera noder. Eftersom du inte har använt klustret ännu avetableras alla noder för närvarande.

Snabb rundtur i studio

Studio är din webbportal för Azure Machine Learning. Den här portalen kombinerar upplevelser utan kod och kod först för en inkluderande datavetenskapsplattform.

Granska delarna i studio i det vänstra navigeringsfältet:

• Avsnittet Författare i studio innehåller flera sätt att komma igång med att skapa maskininlärningsmodeller. Du kan:

  • I avsnittet Notebooks kan du skapa Jupyter Notebooks, kopiera exempelanteckningsböcker och köra notebook-filer och Python-skript.
  • Med ML steg steg har du skapat en maskininlärningsmodell utan att skriva kod.
  • Designer ger dig ett dra-och-släpp-sätt att skapa modeller med hjälp av fördefinierade komponenter.

• Avsnittet Tillgångar i studio hjälper dig att hålla reda på de tillgångar som du skapar när du kör jobben. Om du har en ny arbetsyta finns det inget i något av dessa avsnitt ännu.

• Du har redan använt avsnittet Hantera i Studio för att skapa dina beräkningsresurser. I det här avsnittet kan du också skapa och hantera data och externa tjänster som du länkar till din arbetsyta.

Diagnostik för arbetsyta

Du kan köra diagnostik på arbetsytan från Azure Machine Learning studio eller Python SDK. När diagnostiken har körts returneras en lista över eventuella identifierade problem. Den här listan innehåller länkar till möjliga lösningar. Mer information finns i Så här använder du arbetsytediagnostik.

Rensa resurser

Om du planerar att fortsätta nu till nästa självstudie kan du gå vidare till Nästa steg.

Stoppa beräkningsinstans

Om du inte ska använda den nu stoppar du beräkningsinstansen:

1. I studio, till vänster, väljer du Compute.
2. På de översta flikarna väljer du Beräkningsinstanser
3. Välj beräkningsinstansen i listan.
4. Välj Stoppa i det översta verktygsfältet.

Ta bort alla resurser

Om du inte planerar att använda någon av de resurser som du har skapat kan du ta bort dem så att du inte debiteras:

1. I Azure-portalen väljer du Resursgrupper längst till vänster.

2. Välj resursgruppen som du skapade från listan.

3. Välj Ta bort resursgrupp.

   

4. Ange resursgruppsnamnet. Välj sedan Ta bort.

Nästa steg

Nu har du Azure Machine Learning arbetsyta som innehåller:

• En beräkningsinstans som ska användas för din utvecklingsmiljö.
• Ett beräkningskluster som ska användas för att skicka träningskörningar.

Använd de här resurserna för att lära dig Azure Machine Learning och träna en modell med Python-skript.