Rychlý start: Vytvoření prostředků pracovního prostoru, které potřebujete k zahájení práce se službou Azure Machine Learning

V tomto rychlém startu vytvoříte pracovní prostor a pak do tohoto pracovního prostoru přidáte výpočetní prostředky. Pak budete mít vše, co potřebujete, abyste mohli začít se službou Azure Machine Learning.

Pracovní prostor je prostředek nejvyšší úrovně pro aktivity strojového učení a poskytuje centralizované místo pro zobrazení a správu artefaktů, které vytvoříte při používání služby Azure Machine Learning. Výpočetní prostředky poskytují předem nakonfigurované cloudové prostředí, které můžete použít k trénování, nasazování, automatizaci, správě a sledování modelů strojového učení.

Požadavky

Vytvoření pracovního prostoru

Pokud už pracovní prostor máte, přeskočte tuto část a pokračujte vytvořením výpočetní instance.

Pokud ještě nemáte pracovní prostor, vytvořte si ho teď:

  1. Přihlášení k studio Azure Machine Learning

  2. Vyberte Vytvořit pracovní prostor.

  3. Zadejte následující informace ke konfiguraci nového pracovního prostoru:

    Pole Description
    Název pracovního prostoru Zadejte jedinečný název, který identifikuje váš pracovní prostor. Názvy musí být v rámci skupiny prostředků jedinečné. Použijte název, který se snadno zapamatuje a odliší od pracovních prostorů vytvořených jinými uživateli. V názvu pracovního prostoru se nerozlišují malá a velká písmena.
    Předplatné Vyberte předplatné Azure, které chcete použít.
    Skupina prostředků Použijte stávající skupinu prostředků, kterou máte v předplatném, nebo zadejte název a vytvořte novou skupinu prostředků. Skupina prostředků obsahuje související prostředky pro řešení Azure. Abyste mohli používat existující skupinu prostředků, potřebujete roli přispěvatele nebo vlastníka . Další informace o přístupu najdete v tématu Správa přístupu k pracovnímu prostoru Azure Machine Learning.
    Oblast Vyberte oblast Azure, která je nejblíže vašim uživatelům, a datové prostředky a vytvořte pracovní prostor.
  4. Vyberte Vytvořit a vytvořte pracovní prostor.

Poznámka

Tím se vytvoří pracovní prostor se všemi požadovanými prostředky. Pokud chcete opakovaně používat prostředky, jako je účet úložiště, Azure Container Registry, Azure KeyVault nebo Application Insights, použijte místo toho Azure Portal.

Vytvoření výpočetní instance

Službu Azure Machine Learning můžete nainstalovat na svůj vlastní počítač. V tomto rychlém startu ale vytvoříte online výpočetní prostředek, který má už nainstalované a připravené vývojové prostředí. Tento online počítač, výpočetní instanci, použijete ve svém vývojovém prostředí k psaní a spouštění kódu ve skriptech Pythonu a poznámkových blocích Jupyter.

Vytvořte výpočetní instanci , která bude toto vývojové prostředí používat ve zbývajících kurzech a rychlých startech.

  1. Pokud jste pracovní prostor nevytvořili jenom v předchozí části, přihlaste se k studio Azure Machine Learning a vyberte svůj pracovní prostor.
  2. Na levé straně vyberte Compute.
  3. Vyberte + Nová a vytvořte novou výpočetní instanci.
  4. Zadejte název a na první stránce ponechte všechny výchozí hodnoty.
  5. Vyberte Vytvořit.

Přibližně za dvě minuty uvidíte, že stav výpočetní instance se změní z Vytváření na Spuštěno. Teď je připravená.

Vytváření výpočetních clusterů

V dalším kroku vytvoříte výpočetní cluster. Clustery umožňují distribuovat proces trénování nebo dávkového odvozování napříč clusterem výpočetních uzlů procesoru nebo GPU v cloudu.

Vytvořte výpočetní cluster, který bude automaticky škálovat mezi nulou a čtyřmi uzly:

  1. V části Compute na horní kartě vyberte Výpočetní clustery.
  2. Vyberte + Nový a vytvořte nový výpočetní cluster.
  3. Na první stránce ponechte všechny výchozí hodnoty a vyberte Další. Pokud nevidíte žádné dostupné výpočetní prostředky, budete muset požádat o navýšení kvóty. Přečtěte si další informace o správě a zvyšování kvót.
  4. Cluster pojmenujte cpu-cluster. Pokud tento název už existuje, přidejte k němu iniciály, aby byl jedinečný.
  5. Minimální počet uzlů ponechte na hodnotě 0.
  6. Pokud je to možné, změňte maximální počet uzlů na 4. V závislosti na nastavení můžete mít menší limit.
  7. Změňte počet sekund nečinnosti před vertikálním snížením kapacity na 2400.
  8. Ponechte zbývající výchozí hodnoty a vyberte Vytvořit.

Za méně než minutu se stav clusteru změní z Vytváření na Úspěšné. V seznamu se zobrazuje zřízený výpočetní cluster spolu s počtem nečinných uzlů, zaneprázdněných a nezřizované uzly. Vzhledem k tomu, že jste cluster ještě nepoužili, nejsou v současné době všechny uzly zřízený.

Poznámka

Po vytvoření clusteru bude mít zřízených 0 uzlů. Dokud neodešnete úlohu, neúčtují se za cluster žádné náklady. Tento cluster bude vertikálně snížit kapacitu, když bude 2 400 sekund (40 minut) nečinný. Získáte tak čas na jeho použití v několika kurzech, pokud chcete, aniž byste museli čekat na vertikální navýšení kapacity.

Rychlá prohlídka studia

Studio je váš webový portál pro Azure Machine Learning. Tento portál kombinuje prostředí bez kódu a prostředí založené na kódu pro inkluzivní platformu pro datové vědy.

Prohlédněte si části studia na levém navigačním panelu:

  • Oddíl Author (Autor ) studia obsahuje několik způsobů, jak začít vytvářet modely strojového učení. Můžete:

    • Oddíl Poznámkové bloky umožňuje vytvářet poznámkové bloky Jupyter, kopírovat ukázkové poznámkové bloky a spouštět poznámkové bloky a skripty Pythonu.
    • Automatizované strojové učení vás provede vytvořením modelu strojového učení bez psaní kódu.
    • Návrhář nabízí možnost vytváření modelů pomocí předem připravených komponent přetahováním myší.
  • Oddíl Prostředky ve studiu vám pomůže sledovat prostředky, které vytváříte při spouštění úloh. Pokud máte nový pracovní prostor, v žádné z těchto částí zatím nic není.

  • K vytvoření výpočetních prostředků jste už použili část Spravovat ve studiu. Tato část také umožňuje vytvářet a spravovat data a externí služby, které propojíte s pracovním prostorem.

Diagnostika pracovního prostoru

Diagnostiku pracovního prostoru můžete spustit z studio Azure Machine Learning nebo sady Python SDK. Po spuštění diagnostiky se vrátí seznam zjištěných problémů. Tento seznam obsahuje odkazy na možná řešení. Další informace najdete v tématu Použití diagnostiky pracovního prostoru.

Vyčištění prostředků

Pokud chcete pokračovat k dalšímu kurzu, přeskočte na Další kroky.

Zastavení výpočetní instance

Pokud ji teď nebudete používat, zastavte výpočetní instanci:

  1. Ve studiu na levé straně vyberte Compute.
  2. Na horních kartách vyberte Výpočetní instance.
  3. V seznamu vyberte výpočetní instanci.
  4. Na horním panelu nástrojů vyberte Zastavit.

Odstranění všech prostředků

Důležité

Prostředky, které jste vytvořili, můžete použít jako předpoklady pro další kurzy a články s postupy pro Azure Machine Learning.

Pokud nemáte v úmyslu používat žádné z prostředků, které jste vytvořili, odstraňte je, aby se vám neúčtovaly žádné poplatky:

  1. Úplně nalevo na webu Azure Portal vyberte Skupiny prostředků.

  2. V seznamu vyberte skupinu prostředků, kterou jste vytvořili.

  3. Vyberte Odstranit skupinu prostředků.

    Snímek obrazovky s výběry k odstranění skupiny prostředků na portálu Azure Portal.

  4. Zadejte název skupiny prostředků. Vyberte Odstranit.

Další kroky

Teď máte pracovní prostor Služby Azure Machine Learning, který obsahuje:

  • Výpočetní instance, která se použije pro vaše vývojové prostředí.
  • Výpočetní cluster, který se má použít k odesílání trénovacích běhů.

V těchto zdrojích informací se dozvíte více o službě Azure Machine Learning a vytrénujte model pomocí skriptů Pythonu.