Azure Lab Services kullanarak doğal dil işlemede derin öğrenmeye odaklanan bir laboratuvar ayarlama
Dekont
Bu makalede laboratuvar hesaplarının yerini alan laboratuvar planlarındaki özelliklere başvuruda bulunulmaktadır.
Bu makalede, Azure Lab Services kullanarak Doğal Dil İşleme'de (NLP) derin öğrenmeye odaklanan bir laboratuvarın nasıl ayarlanacağı gösterilmektedir. NLP, çeviri, konuşma tanıma ve diğer dil anlama özelliklerine sahip bilgisayarlara olanak tanıyan bir Yapay Zeka (AI) biçimidir.
NLP sınıfı alan öğrenciler sinir ağı algoritmalarının nasıl uygulanacağını öğrenmek için bir Linux sanal makinesi (VM) alır. Algoritmalar öğrencilere yazılı insan dilini analiz etmek için kullanılan derin öğrenme modelleri geliştirmeyi öğretir.
Laboratuvar yapılandırması
Bu laboratuvarı ayarlamak için başlamak için bir Azure aboneliğine ve laboratuvar hesabına ihtiyacınız vardır. Azure aboneliğiniz yoksa başlamadan önce ücretsiz bir hesap oluşturun.
Azure aboneliğiniz olduktan sonra Azure Lab Services'da yeni bir laboratuvar planı oluşturabilirsiniz. Yeni laboratuvar planı oluşturma hakkında daha fazla bilgi için laboratuvar planı ayarlama öğreticisine bakın. Ayrıca mevcut bir laboratuvar planını da kullanabilirsiniz.
Laboratuvar planı ayarları
Laboratuvar planı için aşağıdaki tabloda açıklanan ayarları etkinleştirin. Market görüntülerini etkinleştirme hakkında daha fazla bilgi için laboratuvar oluşturucularının kullanabileceği Market görüntülerini belirtme makalesine bakın.
Laboratuvar planı ayarı | Yönergeler |
---|---|
Market görüntüleri | Linux için Veri Bilimi Sanal Makinesi (Ubuntu) görüntüsünü etkinleştirin. |
Laboratuvar ayarları
Laboratuvar oluşturma yönergeleri için bkz . Öğretici: Laboratuvar ayarlama. Laboratuvarı oluştururken aşağıdaki ayarları kullanın:
Laboratuvar ayarları | Değer |
---|---|
Sanal makine (VM) boyutu | Küçük GPU (İşlem). Bu boyut, Yapay Zeka ve Derin Öğrenme gibi işlem yoğunluklu ve ağ yoğunluklu uygulamalar için en uygun boyutdur. |
VM görüntüsü | Linux (Ubuntu) için Veri Bilimi Sanal Makinesi. Bu görüntüde makine öğrenmesi ve veri bilimi için derin öğrenme çerçeveleri ve araçları sağlanır. Bu görüntüdeki yüklü araçların tam listesini görüntülemek için bkz . DSVM'de neler var?. |
Uzak masaüstü bağlantısını etkinleştirme | İsteğe bağlı olarak Uzak masaüstü bağlantısını etkinleştir'i işaretleyin. Veri Bilimi görüntüsü, öğretmenlerin ve öğrencilerin gui uzak masaüstü kullanarak bağlanabilmesi için zaten X2Go kullanacak şekilde yapılandırılmıştır. X2Go, Uzak masaüstü bağlantısını etkinleştir ayarının etkinleştirilmesini gerektirmez. |
Şablon Sanal Makinesi Ayarlar | İsteğe bağlı olarak Özelleştirme olmadan sanal makine görüntüsü kullan'ı seçin. Laboratuvar planlarını kullanıyorsanız ve DSVM'de sınıfınızın gerektirdiği tüm araçlar varsa şablon özelleştirme adımını atlayabilirsiniz. |
Önemli
X2Go'yu Veri Bilimi görüntüsüyle kullanmanızı öneririz. Ancak bunun yerine RDP kullanmayı seçerseniz laboratuvarı yayımlamadan önce SSH kullanarak Linux VM'ye bağlanmanız ve RDP ve GUI paketlerini yüklemeniz gerekir. Ardından öğrenciler daha sonra RDP kullanarak Linux VM'sine bağlanabilir. Daha fazla bilgi için bkz . Linux VM'leri için grafik uzak masaüstünü etkinleştirme.
Şablon makine yapılandırması
Linux için Veri Bilimi Sanal Makinesi görüntüsü, bu tür sınıf için gerekli derin öğrenme çerçevelerini ve araçlarını sağlar. Laboratuvarı oluştururken Özelleştirme olmadan bir sanal makine görüntüsü kullan'ı seçtiyseniz, şablon makinesini özelleştirme özelliği devre dışı bırakılır. Hazır olduğunuzda laboratuvarı yayımlayabilirsiniz.
Maliyet
Şimdi bu sınıf için olası maliyet tahminlerini ele alalım. Seçtiğimiz sanal makine boyutu 139 laboratuvar birimi olan Küçük GPU (İşlem) idi.
20 saatlik zamanlanmış ders süresi ve ödevler için 10 saatlik kotaya sahip 25 öğrenciden oluşan bir sınıf için maliyet tahmini şu şekilde olacaktır:
25 öğrenci * (20 planlanan saat + 10 kota saati) * 139 Laboratuvar Birimi * saatte 0,01 USD = 1042,5 USD
Önemli
Maliyet tahmini yalnızca örnek amaçlıdır. Fiyatlandırmayla ilgili güncel ayrıntılar için bkz . Azure Lab Services Fiyatlandırması.
Sonuç
Bu makalede, Doğal Dil İşleme sınıfı için laboratuvar oluşturma adımlarında size yol gösterilmiştir. Diğer derin öğrenme sınıfları için de benzer bir kurulum kullanabilirsiniz.
Sonraki adımlar
Şablon görüntüsü artık laboratuvarda yayımlanabilir. Daha fazla bilgi için bkz . Şablon VM'sini yayımlama.
Laboratuvarınızı ayarlarken aşağıdaki makalelere bakın:
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin