Hızlı Başlangıç: Çalışma alanı kaynaklarını oluşturmak ve bu kaynakları Azure Machine Learning

Bu hızlı başlangıçta bir çalışma alanı oluşturacağız ve ardından çalışma alanına işlem kaynakları eksersiniz. Ardından, yeni bir çalışmayla çalışmaya başlamaya ihtiyacınız olan her şeye Azure Machine Learning.

Çalışma alanı, makine öğrenmesi etkinlikleriniz için en üst düzey kaynaktır. Bu kaynak, sanal makine öğrenmesi etkinliklerinizi kullanırken oluştursunuz yapıtları görüntülemek ve yönetmek için merkezi bir Azure Machine Learning. İşlem kaynakları makine öğrenmesi modellerini eğitmek, dağıtmak, otomatikleştirmek, yönetmek ve izlemek için kullanabileceğiniz önceden yapılandırılmış bir bulut tabanlı ortam sağlar.

Önkoşullar

Çalışma alanını oluşturma

Zaten bir çalışma alanı varsa bu bölümü atlayıp İşlem örneği oluşturma bölümüne devam edin.

Henüz bir çalışma alanı yoksa şimdi bir çalışma alanı oluşturun:

  1. Azure aboneliğinizin kimlik bilgilerini kullanarak Azure Portal oturum açın.

  2. Azure portal sol üst köşesinde üç çubuğu ve + kaynak oluştur' u seçin.

    + Kaynak oluştur ' a gösteren ekran görüntüsü.

  3. Machine Learning bulmak için arama çubuğunu kullanın.

  4. Machine Learning seçin.

    Ekran görüntüsü Machine Learning seçilecek arama sonuçlarını gösterir.

  5. Başlamak için Machine Learning bölmesinde Oluştur ' u seçin.

  6. Yeni çalışma alanınızı yapılandırmak için aşağıdaki bilgileri sağlayın:

    Alan Açıklama
    Çalışma alanı adı Çalışma alanınızı tanımlayan benzersiz bir ad girin. Bu örnekte docs-WS kullanıyoruz. Adlar, kaynak grubu genelinde benzersiz olmalıdır. Başkaları tarafından oluşturulan çalışma alanlarını birbirinden ayırmak ve geri çekmek için kolay bir ad kullanın.
    Abonelik Kullanmak istediğiniz Azure aboneliğini seçin.
    Kaynak grubu Aboneliğinizde var olan bir kaynak grubunu kullanın veya yeni bir kaynak grubu oluşturmak için bir ad girin. Kaynak grubu, bir Azure çözümü için ilgili kaynakları barındırır. Bu örnekte docs-AML kullanılır.
    Konum Çalışma alanınızı oluşturmak için kullanıcılarınıza en yakın konumu ve veri kaynaklarını seçin.
  7. Çalışma alanını yapılandırmayı tamamladıktan sonra, gözden geçir + oluştur' u seçin.

  8. Çalışma alanını oluşturmak için Oluştur ' u seçin.

    Uyarı

    Çalışma alanınızı bulutta oluşturmak birkaç dakika sürebilir.

    İşlem tamamlandığında, bir dağıtım başarı iletisi görüntülenir.

  9. Yeni çalışma alanını görüntülemek için Kaynağa git'i seçin.

  10. Çalışma alanınızı portal görünümünden Studio'ya başlat'ı seçerek Azure Machine Learning stüdyosu.

İşlem örneği oluşturma

Kendi bilgisayarınıza Azure Machine Learning yükleyebilirsiniz. Ancak bu hızlı başlangıçta, zaten yüklü ve kullanıma hazır bir geliştirme ortamına sahip bir çevrimiçi işlem kaynağı oluşturacaksınız. Geliştirme ortamınız için Python betikleri ve Jupyter not defterleri içinde kod yazıp çalıştırmak üzere bu çevrimiçi makineyi (işlem örneği) kullanasınız.

Öğreticilerin ve hızlı başlangıçların geri kalanında bu geliştirme ortamını kullanmak için bir işlem örneği oluşturun.

  1. Önceki bölümde Çalışma alanına git'i seçmedıyebilirsiniz. Şimdi Azure Machine Learning Studio'da oturum açarak çalışma alanınızı seçin.
  2. Sol tarafta İşlem'i seçin.
  3. Yeni bir işlem örneği oluşturmak için +Yeni'yi seçin.
  4. İlk sayfada Bir ad girin, Tüm varsayılanları tut'a tıklayın.
  5. Oluştur’u seçin.

Yaklaşık iki dakika içinde İşlem örneğinin State (Durum) durumunun Oluşturma 'dan Running (Çalışıyor) olarak değişmesini görüyorsunuz. Artık kullanıma hazır.

İşlem kümeleri oluşturma

Ardından bir işlem kümesi oluşturabilirsiniz. Kümeler, buluttaki BIR CPU veya GPU işlem düğümleri kümesinde eğitim veya toplu çıkarım işlemi dağıtmaya olanak sağlar.

Sıfır ile dört düğüm arasında otomatik ölçeklendirmeye sahip bir işlem kümesi oluşturun:

  1. İşlem bölümünde, üst sekmede İşlem kümeleri'ni seçin.
  2. Yeni bir işlem kümesi oluşturmak için +Yeni'yi seçin.
  3. İlk sayfada varsayılan değerlerin hepsini tut, Ardından'ı seçin.
  4. Kümeye cpu-cluster adını girin. Bu ad zaten varsa adın baş harflerini benzersiz hale eklemek için adın baş harflerini ekleyin.
  5. En az düğüm sayısını 0 olarak bırakın.
  6. Mümkünse En fazla düğüm sayısını 4 olarak değiştirebilirsiniz. Ayarlarınıza bağlı olarak daha küçük bir sınırınız olabilir.
  7. Ölçeğin 2400'e inmeden önce Boşta kalma saniyesini değiştirme.
  8. Diğer varsayılan değerleri bırakın ve Oluştur'a seçin.

Bir dakikadan kısa bir süre içinde kümenin Durumu Oluşturma yerine Başarılı olarak değişir. Listede sağlanan işlem kümesi ile boş düğüm sayısı, meşgul düğümler ve sağlanmamış düğümler yer almaktadır. Kümeyi henüz kullanılmamış olduğunu için şu anda tüm düğümlerin sağları yok.

Not

Küme oluşturulduğunda 0 düğüm sağacaktır. Siz bir iş göndermeden kümeye ücret düşmez. 2.400 saniye (40 dakika) boyunca boşta olan bu kümenin ölçeği düşer. Bu, ölçeğin ölçeğinin daha fazla ölçeklendir olmasını beklemeden isterseniz birkaç öğreticide kullanmak için size zaman sağlar.

Stüdyoya hızlı tur

Studio, web portalınızdır ve Azure Machine Learning. Bu portal, kapsayıcı bir veri bilimi platformu için koda gerek yoktur ve koda ilk kez sahip olunan deneyimleri birleştirir.

Sol gezinti çubuğundaki stüdyo bölümlerini gözden geçirme:

  • Studio'daki Yazar bölümünde makine öğrenmesi modeli oluşturmaya başlamanın birçok yolu vardır. Seçenekleriniz şunlardır:

    • Not defterleri bölümü Jupyter Not Defterleri oluşturmanızı, örnek not defterlerini kopyalamanızı ve not defterlerini ve Python betiklerini çalıştırmanızı sağlar.
    • Otomatik ML, kod yazmadan makine öğrenmesi modeli oluşturma adımlarını gösterir.
    • Tasarımcı, önceden oluşturulmuş modülleri kullanarak model oluşturmanın sürükle bırak yolunu sağlar.
  • Studio'da Varlıklar bölümü, işlerinizi çalıştırarak kendi oluştury işleriniz için oluşturdukları varlıkları takip tutmanıza yardımcı olur. Yeni bir çalışma alanınız varsa, bu bölümlerden herhangi birsinde henüz bir şey yoktur.

  • İşlem kaynaklarınızı oluşturmak için stüdyonun Yönet bölümünü zaten kullandınız. Bu bölüm ayrıca çalışma alanınıza bağladız verileri ve dış hizmetleri oluşturmanıza ve yönetmenize olanak sağlar.

Çalışma alanı tanılaması

Azure Machine Learning studio'dan, kurulumunuzu denetlemek için çalışma alanınızda tanılamayı çalıştırabilirsiniz. Tanılamayı çalıştırmak için sayfanın sağ üst köşesindeki '?' simgesini seçin. Sonra çalışma alanı Tanılamayı Çalıştır' ı seçin.

Çalışma alanı tanılama düğmesinin ekran görüntüsü

Tanılama çalıştırıldıktan sonra, algılanan sorunların bir listesi döndürülür. Bu liste, olası çözümlerin bağlantılarını içerir.

Kaynakları temizleme

Şimdi bir sonraki öğreticiye devam etmek için Sonraki adımlar'a atlayabilirsiniz.

İşlem örneğini durdurma

Şimdi kullanmayacaksanız işlem örneğini durdurun:

  1. Stüdyoda, sol tarafta İşlem'i seçin.
  2. Üst sekmelerde İşlem örnekleri'ne tıklayın
  3. Listeden işlem örneğini seçin.
  4. Üst araç çubuğunda Durdur'a tıklayın.

Tüm kaynakları silme

Önemli

Oluşturduğunuz kaynaklar diğer Azure Machine Learning öğreticileri ve nasıl yapılır makaleleri için ön koşullar olarak kullanılabilir.

Oluşturduğunuz kaynakları kullanmayı planlamıyorsanız, herhangi bir ücret ödemeden bu şekilde silin:

  1. Azure portalının en sol tarafındaki Kaynak gruplarını seçin.

  2. Listeden oluşturduğunuz kaynak grubunu seçin.

  3. Kaynak grubunu sil'i seçin.

    Azure portalda kaynak grubu silmek için yapılan seçimlerin ekran görüntüsü.

  4. Kaynak grubu adını girin. Ardından Sil’i seçin.

Sonraki adımlar

Artık şunları içeren bir Azure Machine Learning çalışma alanı vardır:

  • Geliştirme ortamınız için kullanmak üzere bir işlem örneği.
  • Eğitim çalıştırmalarını göndermede kullanmak için bir işlem kümesi.

Python betikleri ile model eğitip Azure Machine Learning hakkında daha fazla bilgi edinmek için bu kaynakları kullanın.