Azure Machine Learning çalışma alanı nedir?
Çalışma alanı Azure Machine Learning'in en üst düzey kaynağıdır. Azure Machine Learning'i kullanırken oluşturduğunuz tüm yapıtlarla çalışmak için merkezi bir konum sağlar. Çalışma alanında günlükler, ölçümler, betiklerinizin çıkışı ve anlık görüntüsü de dahil olmak üzere tüm eğitim çalıştırmalarının geçmişi tutulur. Hangi eğitim çalıştırmasının en iyi modeli ürettiğini saptamak için bu bilgileri kullanırsınız.
Beğendiğiniz bir modele sahip olduktan sonra modeli çalışma alanına kaydedersiniz. Ardından kayıtlı modeli ve puanlama betiklerini kullanarak Azure Container Instances, Azure Kubernetes Service veya REST tabanlı HTTP uç noktası olarak alan programlanabilir kapı dizisine (FPGA) dağıtabilirsiniz.
Taksonomi
Çalışma alanının taksonomisi aşağıdaki diyagramda gösterilmiştir:
Diyagramda bir çalışma alanının aşağıdaki bileşenleri gösterilir:
Çalışma alanı Azure Machine Learning işlem örneklerini, Azure Machine Learning'i çalıştırmak için gereken Python ortamıyla yapılandırılmış bulut kaynaklarını içerebilir.
Kullanıcı rolleri çalışma alanınızı diğer kullanıcılar, ekipler veya projelerle paylaşmanızı sağlar.
İşlem hedefleri , denemelerinizi çalıştırmak için kullanılır.
Çalışma alanını oluşturduğunuzda, ilişkili kaynaklar da sizin için oluşturulur.
Denemeler , modellerinizi oluşturmak için kullandığınız eğitim çalıştırmalarıdır.
İşlem hatları , modelinizi eğitme ve yeniden eğitme için yeniden kullanılabilir iş akışlarıdır.
Veri kümeleri , model eğitimi ve işlem hattı oluşturma için kullandığınız verilerin yönetimine yardımcı olur.
Dağıtmak istediğiniz bir modele sahip olduktan sonra kayıtlı bir model oluşturursunuz.
Dağıtım uç noktası oluşturmak için kayıtlı modeli ve puanlama betiğini kullanın.
Çalışma alanı etkileşimi için araçlar
Çalışma alanınızla aşağıdaki yollarla etkileşim kurabilirsiniz:
Önemli
Aşağıda (önizleme) olarak işaretlenen araçlar şu anda genel önizleme aşamasındadır. Önizleme sürümü bir hizmet düzeyi sözleşmesi olmadan sağlanır ve üretim iş yükleri için önerilmez. Bazı özellikler desteklenmiyor olabileceği gibi özellikleri sınırlandırılmış da olabilir. Daha fazla bilgi için bkz. Microsoft Azure Önizlemeleri için Ek Kullanım Koşulları.
- Web'de:
- Python için Azure Machine Learning SDK'sı ile herhangi bir Python ortamında.
- Azure Machine Learning CLI uzantısını kullanarak komut satırında
- Azure Machine Learning VS Code Uzantısı
Çalışma alanı ile makine öğrenmesi
Makine öğrenmesi görevleri çalışma alanınıza yapıtları okur ve/veya yazar.
- Modeli eğitmek için bir deneme çalıştırın. Deneme çalıştırma sonuçlarını çalışma alanına yazar.
- Modeli eğitmek için otomatik ML kullanın. Eğitim sonuçlarını çalışma alanına yazar.
- Çalışma alanına bir model kaydedin.
- Model dağıtma - dağıtım oluşturmak için kayıtlı modeli kullanır.
- Yeniden kullanılabilir iş akışları oluşturun ve çalıştırın.
- Denemeler, işlem hatları, modeller, dağıtımlar gibi makine öğrenmesi yapıtlarını görüntüleyin.
- Modelleri izleme ve izleme.
Çalışma alanı yönetimi
Aşağıdaki çalışma alanı yönetim görevlerini de gerçekleştirebilirsiniz:
| Çalışma alanı yönetim görevi | Portal | Studio | Python SDK'sı | Azure CLI | VS Code |
|---|---|---|---|---|---|
| Çalışma alanı oluşturma | ✓ | ✓ | ✓ | ✓ | |
| Çalışma alanı erişimini yönetme | ✓ | ✓ | |||
| İşlem kaynaklarını oluşturma ve yönetme | ✓ | ✓ | ✓ | ✓ | |
| Not defteri sanal makinesi oluşturma | ✓ |
Uyarı
Azure Machine Learning çalışma alanınızı farklı bir aboneliğe taşıma veya sahip olan aboneliği yeni bir kiracıya taşıma desteklenmez. Bunu yapmak hatalara neden olabilir.
Çalışma alanı oluşturma
Çalışma alanı oluşturmanın çeşitli yolları vardır:
- Her adımda size yol gösteren nokta ve tıklama arabirimi için Azure portal kullanın.
- Python betiklerinden veya Jupyter not defterlerinden anında çalışma alanı oluşturmak için Python için Azure Machine Learning SDK'sını kullanma
- Kurumsal güvenlik standartlarına uygun olarak oluşturma işlemini otomatikleştirmeniz veya özelleştirmeniz gerektiğinde Azure Resource Manager şablonu veya Azure Machine Learning CLI kullanın.
- Visual Studio Code'da çalışıyorsanız VS Code uzantısını kullanın.
Not
Çalışma alanı adı büyük/küçük harfe duyarlı değildir.
Alt kaynaklar
Bu alt kaynaklar, AzureML çalışma alanında yapılan ana kaynaklardır.
- VM'ler: AzureML çalışma alanınız için bilgi işlem gücü sağlar ve dağıtım ve eğitim modellerinin ayrılmaz bir parçasıdır.
- Load Balancer: İşlem örneği/kümesi durdurulduğunda bile trafiği yönetmek üzere her işlem örneği ve işlem kümesi için bir ağ yük dengeleyici oluşturulur.
- Sanal Ağ: Bunlar Azure kaynaklarının birbirleriyle, İnternet'le ve diğer şirket içi ağlarla iletişim kurmalarına yardımcı olur.
- Bant genişliği: Bölgeler arasında giden tüm veri aktarımlarını kapsüller.
İlişkili kaynaklar
Yeni bir çalışma alanı oluşturduğunuzda, çalışma alanı tarafından kullanılan birkaç Azure kaynağını otomatik olarak oluşturur:
Azure Depolama hesabı: Çalışma alanı için varsayılan veri deposu olarak kullanılır. Azure Machine Learning işlem örneklerinizle birlikte kullanılan Jupyter not defterleri de burada depolanır.
Önemli
Varsayılan olarak, depolama hesabı genel amaçlı bir v1 hesabıdır. Çalışma alanı oluşturulduktan sonra bunu genel amaçlı v2'ye yükseltebilirsiniz . Genel amaçlı v2'ye yükselttikten sonra depolama hesabında hiyerarşik ad alanını etkinleştirmeyin.
Mevcut bir Azure Depolama hesabını kullanmak için BlobStorage türünde veya premium hesap (Premium_LRS ve Premium_GRS) olamaz. Ayrıca hiyerarşik ad alanına da sahip olamaz (Azure Data Lake Storage 2. Nesil ile kullanılır). Çalışma alanının varsayılan depolama hesabıyla ne premium depolama ne de hiyerarşik ad alanları desteklenmez. Premium depolama veya hiyerarşik ad alanını varsayılan olmayan depolama hesaplarıyla kullanabilirsiniz.
Azure Container Registry: Aşağıdaki bileşenler için kullanılan docker kapsayıcılarını kaydeder:
- Modelleri eğitirken ve dağıtırken Azure Machine Learning ortamları
- Dağıtım sırasında AutoML
- Veri profili oluşturma
Maliyetleri en aza indirmek için görüntüler gerekli olana kadar ACR yavaş yüklenir .
Not
Abonelik ayarınızın altındaki kaynaklara etiket eklenmesi gerekiyorsa, etiketleri ACR olarak ayarlayamadığımız için Azure Machine Learning tarafından oluşturulan Azure Container Registry (ACR) başarısız olur.
Azure Uygulaması Insights: İzleme ve tanılama bilgilerini depolar. Daha fazla bilgi için bkz. Çevrimiçi uç noktaları izleme.
Not
İsterseniz küme oluşturulduktan sonra Application Insights örneğini silebilirsiniz. Bunu silmek, çalışma alanından toplanan bilgileri sınırlar ve sorunları gidermeyi zorlaştırabilir. Çalışma alanı tarafından oluşturulan Application Insights örneğini silerseniz, çalışma alanını silip yeniden oluşturmadan yeniden oluşturamazsınız.
Azure Key Vault: İşlem hedefleri tarafından kullanılan gizli dizileri ve çalışma alanının ihtiyaç duyduğu diğer hassas bilgileri depolar.
Not
Bunun yerine , çalışma alanını Python SDK'sı veya ARM şablonu kullanarak Azure Machine Learning CLI ile oluştururken mevcut Azure kaynak örneklerini kullanabilirsiniz.
Enterprise sürümüne ne oldu?
Eylül 2020 itibarıyla, Enterprise sürüm çalışma alanlarında sağlanan tüm özellikler artık Temel sürüm çalışma alanlarında da kullanılabilir.
Yeni Kurumsal çalışma alanları artık oluşturulamıyor. parametresini kullanan sku tüm SDK, CLI veya Azure Resource Manager çağrıları çalışmaya devam eder ancak Temel çalışma alanı sağlanır.
21 Aralık'tan itibaren, tüm Enterprise Sürümü çalışma alanları otomatik olarak aynı özelliklere sahip Temel Sürüm olarak ayarlanacaktır. Bu işlem sırasında kapalı kalma süresi oluşmaz. 1 Ocak 2021'de Enterprise Sürümü resmi olarak kullanımdan kaldırılacaktır.
Her iki sürümde de müşteriler tüketilen Azure kaynaklarının maliyetlerinden sorumludur ve Azure Machine Learning için ek ücret ödemesi gerekmez. Daha fazla ayrıntı için lütfen Azure Machine Learning fiyatlandırma sayfasına bakın.
Sonraki adımlar
Kuruluşunuzun gereksinimlerine uygun bir çalışma alanı planlama hakkında daha fazla bilgi edinmek için bkz. Azure Machine Learning'i düzenleme ve ayarlama.
Azure Machine Learning'i kullanmaya başlamak için bkz: