Prozkoumání služby Azure Machine Learning s využitím poznámkových bloků Jupyter
PLATÍ PRO: Python SDK azure-ai-ml v2 (aktuální)
Úložiště AzureML-Examples zahrnuje nejnovější ukázky Azure Machine Learning Python CLI a SADY SDK (v2). Informace o různých ukázkových typech najdete v souboru readme.
V tomto článku se dozvíte, jak získat přístup k úložišti z následujících prostředí:
- Výpočetní instance Azure Machine Learningu
- Váš vlastní výpočetní prostředek
- Data Science Virtual Machine
Můžete také procházet ukázky kódu pro další příklady.
Možnost 1: Přístup k výpočetní instanci služby Azure Machine Learning (doporučeno)
Nejjednodušší způsob, jak začít s ukázkami, je dokončit vytváření prostředků, abyste mohli začít. Po dokončení budete mít vyhrazený server poznámkového bloku předem načtený se sadou SDK a úložištěm Azure Machine Learning Notebooks. Nejsou potřeba žádné soubory ke stažení ani instalace.
Zobrazení ukázkových poznámkových bloků:
- Přihlaste se do studia a v případě potřeby vyberte svůj pracovní prostor.
- Vyberte Poznámkové bloky.
- Vyberte kartu Ukázky. Příklady pomocí sady Python SDK v2 použijte ve složce SDK v2.
- Otevřete poznámkový blok, který chcete spustit. Výběrem možnosti Klonovat tento poznámkový blok vytvořte kopii ve sdílené složce pracovního prostoru. Tato akce zkopíruje poznámkový blok spolu se závislými prostředky.
Možnost 2: Přístup k vlastnímu serveru poznámkových bloků
Pokud chcete pro místní vývoj použít vlastní server poznámkového bloku, postupujte podle těchto kroků na počítači.
Podle pokynů v sadě Azure Machine Learning SDK nainstalujte sadu Azure Machine Learning SDK (v2) pro Python.
Vytvořte pracovní prostor Azure Machine Learning.
Naklonujte úložiště AzureML-Examples.
git clone https://github.com/Azure/azureml-examples.git --depth 1
Spusťte server poznámkového bloku z adresáře obsahujícího váš klon.
jupyter notebook
Tyto pokyny nainstalují základní balíčky SDK potřebné pro rychlý start a poznámkové bloky kurzů. Další ukázkové poznámkové bloky můžou vyžadovat instalaci dalších komponent. Další informace najdete v tématu Instalace sady Azure Machine Learning SDK pro Python.
Možnost 3: Přístup k dsVM
Data Science Virtual Machine (DSVM) je přizpůsobená image virtuálního počítače vytvořená speciálně pro účely datových věd. Pokud vytvoříte DSVM, sada SDK a server poznámkového bloku se nainstalují a nakonfigurují za vás. Přesto budete muset vytvořit pracovní prostor a naklonovat ukázkové úložiště.
Vytvořte pracovní prostor Azure Machine Learning.
Naklonujte úložiště AzureML-Examples.
git clone https://github.com/Azure/azureml-examples.git --depth 1
Spusťte server poznámkového bloku z adresáře, který obsahuje klon.
jupyter notebook
Připojení k pracovnímu prostoru
Některé ukázky se používají MLClient.from_config()
pro připojení k pracovnímu prostoru. Aby tyto ukázky fungovaly, potřebujete konfigurační soubor v adresáři na cestě k ukázce.
Konfigurační soubor se vytvoří pro vás ve výpočetní instanci služby Azure Machine Learning. Pokud chcete kód použít na vlastním serveru poznámkových bloků nebo dsVM, vytvořte konfigurační soubor ručně. Použijte některou z následujících metod:
Do kořenového adresáře naklonovaného úložiště zapište konfigurační soubor (aml_config/config.json).
Stáhněte konfigurační soubor pracovního prostoru:
- Přihlášení k studio Azure Machine Learning
- Výběr nastavení pracovního prostoru v pravém horním rohu
- Vyberte Stáhnout konfigurační soubor.
- Umístěte soubor do kořenového adresáře klonovaného úložiště.
Další kroky
Prozkoumejte úložiště AzureML-Examples a zjistěte, co může Azure Machine Learning dělat.
Další příklady MLOps najdete v tématu https://github.com/Azure/mlops-v2.
Vyzkoušejte tyto kurzy: