Einführung
In diesem Modul erfahren Sie, wie Sie Arbeitsbereichsressourcen für die ersten Schritte mit Azure Machine Learning erstellen und bereitstellen. Diese Ressourcen umfassen ein Azure Storage-Konto zum Speichern und Abrufen von Bilddaten. Eine Azure Machine Learning Studio-Instanz mit einer zugeordneten Computeinstanz für die Bildschulung und Bildüberprüfung. Und um auf die Bilddaten zu verweisen, einen Azure Machine Learning Studio Datastore.
Voraussetzungen
Szenario: Bereitstellen von Ressourcen zur Entwicklung eines benutzerdefinierten Objekterkennungsmodells mithilfe von NVIDIA und Azure Machine Learning
Sie sind eine wissenschaftliche Fachkraft für Daten, die den Auftrag erhalten hat, die Automatisierung in einer Produktionsanlage zu verbessern. Sie haben damit begonnen, eine Möglichkeit zu untersuchen, die betriebliche Effizienz zu erhöhen und Downtime zu verringern, indem Sie ein benutzerdefiniertes Objekterkennungsmodell einsetzen, das Objekte in der Produktionslinie identifizieren kann. Bei dieser Untersuchung geht es um die Anwendung von Konzepten des maschinellen Sehens in einer Produktionsumgebung, die in einer sicheren Netzwerkumgebung eingesetzt werden soll. Azure Machine Learning Studio ist als gewünschtes Tool für diese Aufgabe identifiziert, da es eine GUI-basierte integrierte Entwicklungsumgebung in der Microsoft Azure-Cloud für die Konstruktion und Operationalisierung von Machine Learning-Workflows bietet. Durch die Kombination dieses Angebots mit beschleunigten Cloudcompute-Instanzen, die mit NVIDIA GPU-Hardwarebeschleunigung ausgestattet sind, können Sie effizient optimierte Modelle für den Einsatz in der Produktionsumgebung entwickeln. Sie beginnen mit der Bereitstellung der notwendigen Ressourcen, um die Entwicklung eines benutzerdefinierten Objekterkennungsmodells zu unterstützen, das für den Dienst in Ihrer Branche geeignet ist.
Was wollen Sie lernen?
Nach Abschluss dieses Moduls können Sie Folgendes:
- Ein Azure Storage-Konto zum Speichern und Laden von Bilddaten erstellen.
- Erstellen Sie die folgenden Arbeitsbereichsressourcen für die ersten Schritte mit Azure Machine Learning:
- Einen Azure Machine Learning Studio-Arbeitsbereich.
- Eine Azure Machine Learning Studio-Compute-Instanz zur Verwendung beim Trainieren des Modells und bei der Modellüberprüfung.
- Einen Azure Machine Learning Studio-Datenspeicher.
Was ist das Hauptziel?
In diesem Modul erfahren Sie, wie Sie mit der Entwicklung von Machine Learning-Workflows beginnen. Sie erstellen zunächst Ressourcen in Microsoft Azure zum Speichern, Laden und Trainieren von Bilddaten, mit denen ein benutzerdefiniertes Objekterkennungsmodell für die Verwendung in der Produktion erstellt werden kann.