Azure Machine Learning-címkézés használata a Language Studióban
Az adatok címkézése fontos része az adathalmaz előkészítésének. Az Azure Machine Learning címkézési felületének használatával egyszerűbb együttműködést, nagyobb rugalmasságot és a címkézési feladatok külső címkézési szállítókra való kiszervezését tapasztalhatja az Azure Market Place-ből. Az Azure Machine Learning címkézését a következő célokra használhatja:
Előfeltételek
Mielőtt csatlakoztatni tudja a címkézési projektet az Azure Machine Learninghez, a következőkre van szüksége:
- Sikeresen létrehozott Egy Language Studio-projektet egy konfigurált Azure Blob Storage-fiókkal.
- A tárfiókba feltöltött szöveges adatok.
- Legalább:
- Egy entitáscímke az egyéni elnevezett entitások felismeréséhez, vagy
- Két osztálycímke egyéni szövegbesorolási projektekhez.
- Egy Azure Machine Learning-munkaterület , amely ugyanahhoz az Azure Blob Storage-fiókhoz csatlakozott , amelyet a Language Studio-fiókja használ.
Korlátozások
- A címkézési projekt csatlakoztatása az Azure Machine Learninghez egy-az-egyhez kapcsolat. Ha leválasztja a projektet, nem fogja tudni ugyanahhoz az Azure Machine Learning-projekthez csatlakoztatni a projektet
- A Language Studióban és az Azure Machine Learningben nem lehet egyszerre címkézni. A címkézési felület egyszerre egy studióban engedélyezve van.
- A modell betanításakor a rendszer figyelmen kívül hagyja a címkézési felületen található tesztelési és betanítási fájlokat.
- Csak az Azure Machine Learning JSONL-fájlformátuma importálható a Language Studióba.
- A többnyelvű beállítással rendelkező projektek nem csatlakoztathatók az Azure Machine Learninghez, és nem minden nyelv támogatott.
- A nyelvi támogatást az Azure Machine Learning TextDNNLanguages osztálya biztosítja.
- A csatlakoztatni kívánt Azure Machine Learning-munkaterületet ugyanahhoz az Azure Storage-fiókhoz kell hozzárendelni, amelyhez a Language Studio csatlakozik. Győződjön meg arról, hogy az Azure Machine Learning-munkaterület rendelkezik a storage-blobadatok olvasó engedélyével a tárfiókban. A munkaterületnek a tárfiókhoz kell kapcsolódnia a Azure Portal létrehozási folyamata során.
- A két címkézési felület közötti váltás nem azonnali. A művelet sikeres végrehajtása időbe telhet.
Azure Machine Learning-címkék importálása a Language Studióba
A Language Studio támogatja az Azure Machine Learning által használt JSONL-fájlformátumot. Ha már címkézett adatokat az Azure Machine Learningben, importálhatja a naprakész címkéket egy új egyéni projektbe, hogy mindkét stúdió funkcióit kihasználhassa.
Először hozzon létre egy új projektet az egyéni szövegbesoroláshoz vagy az egyéni elnevezett entitások felismeréséhez.
A megjelenő Projekt létrehozása képernyőn kövesse az utasításokat a tárfiók csatlakoztatásához, és adja meg a projekt alapvető adatait. Győződjön meg arról, hogy a használt Azure-erőforráshoz nincs már csatlakoztatva másik tárfiók.
A Tároló kiválasztása szakaszban válassza ki azt a lehetőséget, amely azt jelzi, hogy már rendelkezik megfelelően formázott fájllal. Ezután válassza ki a legújabb Azure Machine Learning-címkéket tartalmazó fájlt.
Csatlakozás az Azure Machine Learninghez
Mielőtt csatlakozik az Azure Machine Learninghez, szüksége lesz egy olyan díjszabási csomaggal rendelkező Azure Machine Learning-fiókra, amely megfelel a projekt számítási igényeinek. Tekintse meg az előfeltételek szakaszt , és győződjön meg arról, hogy sikeresen teljesítette a Language Studio-projekt Azure Machine Learninghez való csatlakoztatásának megkezdéséhez szükséges összes követelményt.
A Azure Portal segítségével lépjen a nyelvi erőforráshoz csatlakoztatott Azure Blob Storage fiókhoz.
Győződjön meg arról, hogy a Storage-blobadatok közreműködője szerepkör hozzá van rendelve az AML-munkaterülethez a Azure Blob Storage-fiók szerepkör-hozzárendelései között.
Lépjen a projekthez a Language Studióban. A projekt bal oldali navigációs menüjében válassza az Adatok címkézése lehetőséget.
Válassza az Azure Machine Learning használata feliratozáshoz lehetőséget az Adatcímkézés leírásában vagy a Tevékenység panelen.
A csatlakozási folyamat elindításához válassza a Csatlakozás az Azure Machine Learninghez lehetőséget.
A megjelenő ablakban kövesse az utasításokat. Válassza ki a korábban ugyanabban az Azure-előfizetésben létrehozott Azure Machine Learning-munkaterületet. Adja meg az új Azure Machine Learning-projekt nevét, amely a címkézés engedélyezéséhez jön létre az Azure Machine Learningben.
Tipp
A folytatás előtt győződjön meg arról, hogy a munkaterület ugyanahhoz a Azure Blob Storage fiókhoz és nyelvi erőforráshoz van társítva. Az Azure Portal segítségével létrehozhat egy új munkaterületet, és hivatkozhat a tárfiókjára. Győződjön meg arról, hogy a tárfiók megfelelően van társítva a munkaterülethez.
(Nem kötelező) Kapcsolja be a szállítói címkézési kapcsolót a szállítói vállalatok címkézéséhez. Mielőtt kiválasztaná a szállító címkéző vállalatokat, lépjen kapcsolatba a szállító címkéző vállalataival a Azure Marketplace, és véglegesítse velük a szerződést. További információ a szállító vállalatokkal való munkáról: Adatok címkézésének kiszervezése.
Az emberi címkézőkre vonatkozó címkézési utasításokat is hagyhat, amelyek segítenek a címkézési folyamatban. Ezek az utasítások segíthetnek a feladat megértésében azáltal, hogy egyértelmű definíciókat hagynak a címkékről, és példákat is belefogadnak a jobb eredmények érdekében.
Tekintse át az Azure Machine Learning-kapcsolat beállításait, és szükség esetén végezze el a módosításokat.
Fontos
A kapcsolat véglegesítése végleges. Ha bármikor megkísérli leválasztani a létrehozott kapcsolatot, azzal véglegesen letiltja, hogy a Language Studio-projekt ugyanahhoz az Azure Machine Learning-projekthez csatlakozzon.
A kapcsolat elindítása után néhány percre le lesz tiltva az adatok címkézése a Language Studióban az új kapcsolat előkészítése érdekében.
Váltás címkézésre az Azure Machine Learning használatával a Language Studióból
A kapcsolat létrejötte után bármikor átválthat az Azure Machine Learningre a Language Studio Tevékenység paneljén keresztül.
Amikor vált, a Language Studióban le lesz tiltva az adatok címkézési képessége, és az Azure Machine Learningben is felcímkézheti az adatokat. Az Azure Machine Learning használatával bármikor visszaállhat címkézésre a Language Studióban.
A szöveg címkézéséről az Azure Machine Learning címkézési útmutatójában talál további információt. A szövegcímkézési projekt kezelésével és nyomon követésével kapcsolatos információkért lásd: Szövegcímkézési projekt beállítása és kezelése az Azure Machine Learningben.
Modell betanítása az Azure Machine Learning címkéivel
Amikor az Azure Machine Learning használatával vált a címkézésre, továbbra is betanítheti, kiértékelheti és üzembe helyezheti a modellt a Language Studióban. A modell betanítása az Azure Machine Learning frissített címkéivel:
A projektjéhez tartozó Language Studio képernyő bal oldalán található navigációs menüben válassza a Betanítási feladatok lehetőséget.
Válassza a Legújabb címkék importálása az Azure Machine Learningből lehetőséget a betanítási oldal Címke forrásának kiválasztása szakaszában. Ez szinkronizálja az Azure Machine Learning címkéit a betanítási feladat elindítása előtt.
Váltás címkézésre a Language Studióval az Azure Machine Learningből
Miután az Azure Machine Learninggel végzett címkézésre váltott, bármikor visszaállhat a Language Studio-projekttel való címkézésre.
Megjegyzés
- Csak az Azure Machine Learningben megfelelő szerepkörökkel rendelkező felhasználók válthatják a címkézést.
- Amikor a Language Studio használatára vált, az Azure Machine Learning címkézése le lesz tiltva.
Visszaváltás címkézésre a Language Studióval:
Lépjen a projekthez az Azure Machine Learningben, és válassza az Adatok címkézése lehetőséget a bal oldali navigációs menüben.
Válassza a Language Studio lapot, és válassza a Váltás a Language Studióra lehetőséget.
A folyamat eltarthat néhány percig, és az Azure Machine Learningben való címkézési képessége le lesz tiltva, amíg vissza nem vált a Language Studióból.
Az Azure Machine Learning leválasztása
A projekt leválasztása az Azure Machine Learningről állandó, visszafordíthatatlan folyamat, és nem vonható vissza. A továbbiakban nem fogja tudni elérni a címkéket az Azure Machine Learningben, és az Azure Machine Learning-projektet a jövőben nem fogja tudni újra csatlakoztatni egy Language Studio-projekthez sem. Az Azure Machine Learning leválasztása:
- Győződjön meg arról, hogy a karbantartani kívánt frissített címkék szinkronizálva vannak az Azure Machine Learning szolgáltatással, ha a címkézési felületet visszakapcsoljuk a Language Studióba.
- A Language Studio bal oldali navigációs menüjében válassza a Projektbeállítások lehetőséget.
- Válassza a Leválasztás az Azure Machine Learningből gombot az Azure Machine Learning-kapcsolatok kezelése szakaszban.
Következő lépések
További információ az adatok címkézéséről az egyéni szövegbesoroláshoz és az egyéni elnevezett entitások felismeréséhez.
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: