Prozkoumání služby Azure Machine Learning s využitím poznámkových bloků Jupyter

Článek
06/13/2024

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:

Sdílet prostřednictvím