Ejercicio: Entrenamiento de una red neuronal profunda

Completado

Hasta ahora, aprendió mucho sobre la teoría y los principios del aprendizaje profundo con redes neuronales. La mejor manera de aprender a aplicar esta teoría es compilar un modelo de aprendizaje profundo. Eso es precisamente lo que hará en este ejercicio.

Hay muchos marcos de trabajo disponibles para el entrenamiento de redes neuronal profundas y, en este ejercicio, puede optar por explorar dos de los marcos de aprendizaje profundo más populares para Python: PyTorch y TensorFlow.

Antes de comenzar

Para completar el ejercicio, necesitará lo siguiente:

  • Una suscripción a Microsoft Azure. Si aún no tiene una, puede solicitar una prueba gratuita en https://azure.microsoft.com/free.
  • Un área de trabajo de Azure Machine Learning con una instancia de proceso y el repositorio ml-basics clonado.

Nota:

En este módulo se usa un área de trabajo de Azure Machine Learning. Si va a completar este módulo como preparación para la certificación Azure Data Scientist, considere la posibilidad de crear el área de trabajo una vez y reutilizarla en otros módulos. Después de completar el ejercicio, asegúrese de seguir las instrucciones de limpieza para detener los recursos de procesos y conservar el área de trabajo si planea reutilizarla.

Creación de un área de trabajo de Azure Machine Learning

Si aún no tiene un área de trabajo de Azure Machine Learning en su suscripción a Azure, siga estos pasos para crear una:

  1. Inicie sesión en Azure Portal con la cuenta de Microsoft asociada a su suscripción de Azure.

  2. En la página Inicio de Azure, en Servicios de Azure, seleccione Crear un recurso. Aparecerá el panel Crear un recurso.

  3. En el cuadro de búsqueda Buscar servicios y marketplace, busque y seleccione Machine Learning. Se abrirá el panel Azure Machine Learning.

  4. Seleccione Crear. Se abrirá el panel Azure Machine Learning.

  5. En la pestaña Aspectos básicos, escriba los valores siguientes para cada opción.

    Configuración Value
    Detalles del proyecto
    Suscripción Seleccione la suscripción de Azure que quiera usar para este ejercicio.
    Resource group Seleccione el vínculo Crear nuevo, asigne un nombre único al nuevo grupo de recursos y seleccione Aceptar.
    Detalles del área de trabajo
    Nombre del área de trabajo Escriba un nombre único para la aplicación. Por ejemplo, podría usar <su_nombre>-machinelearn.
    Region En la lista desplegable, seleccione cualquier ubicación disponible.
  6. Acepte el resto de los valores predeterminados y seleccione Revisar y crear.

  7. Una vez pasada la validación, seleccione Crear.

    Espere a que se cree el recurso de área de trabajo, ya que puede tardar unos minutos.

  8. Una vez finalizada la implementación, seleccione Ir al recurso. Se abrirá el panel Machine Learning.

  9. Seleccione Iniciar Studio, o bien vaya a https://ml.azure.com e inicie sesión con la cuenta Microsoft. Se abrirá la página Microsoft Azure Machine Learning Studio.

  10. En Estudio de Azure Machine Learning, alterne el icono de la parte superior izquierda para desplegar o contraer su panel de menús. Puede usar estas opciones para administrar los recursos en el área de trabajo.

Creación de una instancia de proceso

Para ejecutar el cuaderno que usará en este ejercicio, necesitará una instancia de proceso en el área de trabajo de Azure Machine Learning.

  1. En el panel de menús de la izquierda, en Administrar, seleccione Proceso. Aparece el panel Proceso.

  2. En la pestaña Instancias de proceso, si ya tiene una instancia de proceso, iníciela; de lo contrario, seleccione Nuevo para crear una. Aparecerá el panel Crear instancia de proceso.

  3. Escriba los valores siguientes para cada opción:

    • Nombre del proceso: escriba un nombre único.
    • Tipo de máquina virtual: CPU
    • Tamaño de la máquina virtual:: seleccione entre las opciones recomendadas: Standard_DS11_v2
  4. Seleccione Crear. Se vuelve a abrir el panel Proceso, en el que se muestra la instancia de proceso.

  5. Espere a que se inicie la instancia de proceso, lo que puede tardar un par de minutos. En la columna Estado la instancia de proceso cambiará a En ejecución.

Clonación del repositorio ml-basics

Los archivos que se usan en este módulo (y en otros módulos relacionados) están publicados en el repositorio MicrosoftDocs/ml-basics de GitHub. Si aún no lo ha hecho, siga estos pasos para clonar el repositorio en su área de trabajo de Azure Machine Learning:

  1. Seleccione Áreas de trabajo en el menú izquierdo de Estudio de Azure Machine Learning y, después, seleccione el área de trabajo que creó en la lista.

  2. En la columna Creación de la izquierda, seleccione el vínculo Notebooks para abrir Jupyter Notebook. Aparece el panel Cuadernos.

  3. Seleccione el botón Terminal situado a la derecha. Aparece un shell de terminal.

  4. Ejecute los comandos siguientes para cambiar el directorio actual al directorio Users y clone el repositorio ml-basics, que contiene el cuaderno y los archivos que usará en este ejercicio.

    cd Users
    git clone https://github.com/microsoftdocs/ml-basics
    
  5. Una vez completado el comando y finalizada la restauración de los archivos, cierre la pestaña de terminal y vaya a la página principal del explorador de archivos de Jupyter Notebook.

  6. Abra la carpeta Users, que debe contener una carpeta ml-basics con los archivos que usará en este módulo.

Nota:

Le recomendamos usar Jupyter en un área de trabajo de Azure Machine Learning para este ejercicio. Esta configuración garantiza la instalación de la versión correcta de Python y de los distintos paquetes que necesitará. Además, después de crear el área de trabajo una vez, puede volver a usarla en otros módulos. Si prefiere completar el ejercicio en un entorno de Python en su propio equipo, puede hacerlo. Encontrará información detallada de la configuración de un entorno de desarrollo local que usa Visual Studio Code en la página de GitHub sobre la ejecución de laboratorios en su propio equipo. Tenga en cuenta que, si decide hacer esto, es posible que las instrucciones del ejercicio no coincidan con la interfaz de usuario de sus cuadernos.

Entrenamiento de un modelo de red neuronal profunda

Después de crear un entorno de Jupyter y de clonar el repositorio ml-basics, ya está listo para explorar el aprendizaje profundo.

  1. En Jupyter, en la carpeta ml-basics, abra o el cuaderno Deep Neural Networks (PyTorch).ipynb o Deep Neural Networks (Tensorflow).ipynb, según las preferencias del marco, y siga las instrucciones que contiene.

  2. Cuando haya terminado, cierre y detenga todos los cuadernos.

Cuando haya terminado de trabajar en el cuaderno, vuelva a este módulo y vaya a la unidad siguiente para seguir aprendiendo.