Erkunden von Azure Machine Learning mit Jupyter Notebook-Instanzen
GILT FÜR: 
Python SDK azure-ai-ml v2 (aktuell)
Das Repository AzureML-Examples enthält die neuesten (v2) Azure Machine Learning Python CLI- und SDK-Beispiele. Informationen zu den verschiedenen Beispieltypen finden Sie in der Infodatei.
In diesem Artikel erfahren Sie, wie Sie von den folgenden Umgebungen aus auf das Repository zugreifen:
- Azure Machine Learning-Computeinstanz
- Ihre eigene Computeressource
- Virtueller Computer für Data Science
Option 1: Zugriff auf Azure Machine Learning-Compute-Instanz (empfohlen)
Den einfachsten Einstieg in die Verwendung der Beispiele bietet Ressourcen erstellen für die ersten Schritte. Nach Ausführung der entsprechenden Schritte verfügen Sie über einen dedizierten Notebookserver mit vorab geladenem SDK und dem Notebooks-Repository von Azure Machine Learning. Ganz ohne Downloads oder Installation.
So zeigen Sie Beispielnotebooks an:
- Melden Sie sich bei Studio an, und wählen Sie Ihren Arbeitsbereich aus, falls erforderlich.
- Wählen Sie Notebooks aus.
- Wählen Sie die Registerkarte Beispiele aus. Verwenden Sie den SDK v2-Ordner für Beispiele mit Python SDK v2.
- Öffnen Sie das Notebook, das Sie ausführen möchten. Wählen Sie Dieses Notebook klonen aus, um eine Kopie in Ihrer Arbeitsbereichsdateifreigabe zu erstellen. Diese Aktion kopiert das Notebook zusammen mit allen abhängigen Ressourcen.
Option 2: Zugriff auf Ihren eigenen Notebookserver
Falls Sie für die lokale Entwicklung einen eigenen Notebookserver verwenden möchten, gehen Sie auf Ihrem Computer wie folgt vor:
Installieren Sie das Azure Machine Learning SDK (v2) für Python gemäß den Anweisungen unter Azure Machine Learning SDK.
Erstellen Sie einen Azure Machine Learning-Arbeitsbereich.
Klonen Sie das Repository „AzureML-Examples“.
git clone https://github.com/Azure/azureml-examples.git --depth 1Starten Sie den Notebook-Server über das Verzeichnis, das Ihren Klon enthält.
jupyter notebook
Mit diesen Schritten werden die erforderlichen SDK-Basispakete für die Schnellstart- und Tutorialnotebooks installiert. Für andere Beispielnotebooks müssen möglicherweise zusätzliche Komponenten installiert werden. Weitere Informationen finden Sie unter Install the Azure Machine Learning SDK for Python (Installieren des Azure Machine Learning SDK für Python).
Option 3: Zugriff auf einen DSVM
Data Science Virtual Machine (DSVM) ist ein benutzerdefiniertes VM-Image, das speziell für Data Science erstellt wurde. Wenn Sie eine DSVM-Instanz erstellen, werden das SDK und der Notebookserver für Sie installiert und konfiguriert. Sie müssen jedoch noch einen Arbeitsbereich erstellen und das Beispielrepository klonen.
Klonen Sie das Repository „AzureML-Examples“.
git clone https://github.com/Azure/azureml-examples.git --depth 1Starten Sie den Notebookserver aus dem Verzeichnis, das den Klon enthält.
jupyter notebook
Stellen Sie eine Verbindung mit einem Arbeitsbereich her.
In einigen Beispielen wird MLClient.from_config() verwendet, um eine Verbindung mit einem Arbeitsbereich herzustellen. Damit diese Beispiele funktionieren, benötigen Sie eine Konfigurationsdatei in einem Verzeichnis im Pfad zum Beispiel.
Die Konfigurationsdatei wird für Sie in der Compute-Instanz von Azure Machine Learning erstellt. Wenn Sie den Code auf Ihrem eigenen Notebookserver oder DSVM verwenden möchten, erstellen Sie die Konfigurationsdatei manuell. Verwenden Sie eine der folgenden beiden Methoden:
Schreiben Sie eine Konfigurationsdatei (aml_config/config.json) im Stammverzeichnis Ihres geklonten Repositorys.
Laden Sie die Arbeitsbereichskonfigurationsdatei herunter:
- Melden Sie sich bei Azure Machine Learning Studio an.
- Wählen Sie Ihre Einstellungen für den Arbeitsbereich oben rechts aus.
- Wählen Sie Konfigurationsdatei herunterladen aus.
- Platzieren Sie die Datei im Stammverzeichnis Ihres geklonten Repositorys.
Nächste Schritte
Erkunden Sie das Repository AzureML-Examples, um die Möglichkeiten von Azure Machine Learning zu entdecken.
Weitere Beispiele für MLOps finden Sie unter https://github.com/Azure/mlops-v2.
Probieren Sie diese Tutorials aus: