R-feladat futtatása modell betanítása

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

Ez a cikk azt ismerteti, hogyan használhatja az éles környezetben való futtatáshoz igazított R-szkriptet, és hogyan állíthatja be R-feladatként az Azure Machine Tanulás CLI V2 használatával.

Feljegyzés

Bár a cikk címe egy modell betanítására utal, bármilyen R-szkriptet futtathat, feltéve, hogy megfelel az adaptáló cikkben felsorolt követelményeknek.

Előfeltételek

• Azure Machine Tanulás munkaterület.
• A betanítási feladat által használt regisztrált adategység .
• Telepítve van az Azure CLI és az ml-bővítmény. Vagy használjon számítási példányt a munkaterületen, amely rendelkezik előre telepített parancssori felülettel.
• Számítási fürt vagy számítási példány a betanítási feladat futtatásához.
• R-környezet a számítási fürt számára a feladat futtatásához.

Mappa létrehozása ezzel a struktúrával

Hozza létre ezt a mappastruktúrát a projekthez:

📁 r-job-azureml
├─ src
│  ├─ azureml_utils.R
│  ├─ r-source.R
├─ job.yml

Fontos

Az összes forráskód a src könyvtárba kerül.

• Az r-forrás. Az R-fájl az az R-szkript, amelyet éles környezetben való futtatáshoz igazított. Győződjön meg arról, hogy a modell ebben a szkriptben való láda- és naplózásához kövesse a lépéseket.
• A azureml_utils. R-fájl szükséges. Használja ezt a forráskódot a fájl tartalmához.

A YAML feladat előkészítése

Az Azure Machine Tanulás CLI v2 különböző YAML-sémákkal rendelkezik a különböző műveletekhez. A YAML-séma használatával elküldhet egy feladatot a projekt részét képező job.yml fájlban.

A YAML-be való begyűjtéshez konkrét információkat kell gyűjtenie:

• Az adatbevitelként használt regisztrált adategység neve (verziószámmal): azureml:<REGISTERED-DATA-ASSET>:<VERSION>
• A létrehozott környezet neve (verzióval): azureml:<R-ENVIRONMENT-NAME>:<VERSION>
• A számítási fürt neve: azureml:<COMPUTE-CLUSTER-NAME>

Tipp.

Az Azure Machine Tanulás verziót (adategységeket, környezeteket) igénylő összetevők esetén a helyi URI azureml:<AZUREML-ASSET>@latest használatával lekérheti az összetevő legújabb verzióját, ha nem kell beállítania egy adott verziót.

Minta YAML-séma feladat elküldéséhez

Szerkessze a job.yml fájlt, hogy az tartalmazza a következőket. Cserélje le a megjelenített <IN-BRACKETS-AND-CAPS> értékeket, és távolítsa el a szögletes zárójeleket.

$schema: https://azuremlschemas.azureedge.net/latest/commandJob.schema.json
# the Rscript command goes in the command key below. Here you also specify 
# which parameters are passed into the R script and can reference the input
# keys and values further below
# Modify any value shown below <IN-BRACKETS-AND-CAPS> (remove the brackets)
command: >
Rscript <NAME-OF-R-SCRIPT>.R
--data_file ${{inputs.datafile}}  
--other_input_parameter ${{inputs.other}}
code: src   # this is the code directory
inputs:
  datafile: # this is a registered data asset
    type: uri_file
    path: azureml:<REGISTERED-DATA-ASSET>@latest
  other: 1  # this is a sample parameter, which is the number 1 (as text)
environment: azureml:<R-ENVIRONMENT-NAME>@latest
compute: azureml:<COMPUTE-CLUSTER-OR-INSTANCE-NAME>
experiment_name: <NAME-OF-EXPERIMENT>
description: <DESCRIPTION>

Feladat küldése

Ebben a szakaszban a következő parancsokat kell tudnia:

• Az Azure Machine Tanulás munkaterület neve
• Az erőforráscsoport neve, ahol a munkaterület található
• Az előfizetés, ahol a munkaterület található

Keresse meg ezeket az értékeket az Azure Machine Tanulás Studióból:

1. Jelentkezzen be, és nyissa meg a munkaterületet.
2. A jobb felső Azure Machine Tanulás studio eszköztáron válassza ki a munkaterület nevét.
3. A megjelenő szakasz értékeit átmásolhatja.

A feladat elküldéséhez futtassa a következő parancsokat egy terminálablakban:

1. Módosítsa a könyvtárakat a r-job-azureml.

   cd r-job-azureml
   

2. Bejelentkezés az Azure-ba. Ha ezt egy Azure Machine Tanulás számítási példányból végzi, használja a következőket:

   az login --identity
   

   Ha nem a számítási példányon dolgozik, hagyja ki --identity és kövesse az utasításokat a böngészőablak megnyitásához a hitelesítéshez.

3. Győződjön meg arról, hogy a parancssori felület és a bővítmény legújabb verzióival ml rendelkezik:

   az upgrade
   

4. Ha több Azure-előfizetéssel rendelkezik, állítsa az aktív előfizetést a munkaterülethez használtra. (Ezt a lépést kihagyhatja, ha csak egyetlen előfizetéshez rendelkezik hozzáféréssel.) Cserélje le <SUBSCRIPTION-NAME> az előfizetés nevére. Távolítsa el a szögletes zárójeleket <>is.

   az account set --subscription "<SUBSCRIPTION-NAME>"
   

5. Most a parancssori felület használatával küldje el a feladatot. Ha ezt egy számítási példányon végzi a munkaterületen, a munkaterület nevének és erőforráscsoportjának környezeti változóit használhatja az alábbi kódban látható módon. Ha nem számítási példányon dolgozik, cserélje le ezeket az értékeket a munkaterület nevére és erőforráscsoportjára.

   az ml job create -f job.yml  --workspace-name $CI_WORKSPACE --resource-group $CI_RESOURCE_GROUP
   

Miután elküldte a feladatot, ellenőrizheti az állapotot és az eredményeket a studióban:

1. Jelentkezzen be az Azure Machine Tanulás Studióba.
2. Jelölje ki a munkaterületet, ha még nincs betöltve.
3. A bal oldali navigációs sávon válassza a Feladatok lehetőséget.
4. Válassza ki a modell betanítása során használt kísérletnevet .
5. Válassza ki a feladat megjelenítendő nevét a feladat részleteinek és összetevőinek megtekintéséhez, beleértve a metrikákat, képeket, gyermekfeladatokat, kimeneteket, naplókat és a feladatban használt kódot.

Modell regisztrálása

Végül, miután a betanítási feladat befejeződött, regisztrálja a modellt, ha üzembe szeretné helyezni. Kezdje a stúdióban a feladat adatait megjelenítő oldalról.

1. A feladat befejezése után válassza a Kimenetek + naplók lehetőséget a feladat kimeneteinek megtekintéséhez.

2. Nyissa meg a modellek mappát, és ellenőrizze, hogy a crate.bin és az MLmodel jelen van-e. Ha nem, ellenőrizze a naplókat, hogy történt-e hiba.

3. A felső eszköztáron válassza a + Modell regisztrálása lehetőséget.

   

4. Ne használja az MLflow-modell típusát, annak ellenére, hogy észlelhető. Módosítsa a modell típusát az alapértelmezett MLflow típusról meghatározatlan típusra. Ha MLflow-ként hagyja, az hibát fog okozni.

5. Feladatkimenet esetén válassza ki a modelleket, a modellt tartalmazó mappát.

6. Válassza a Tovább lehetőséget.

7. Adja meg a modellhez használni kívánt nevet. Igény szerint adjon hozzá leírást, verziót és címkéket .

8. Válassza a Tovább lehetőséget.

9. Tekintse át az információkat.

10. Válassza ki a pénztárgépet.

A lap tetején megjelenik egy megerősítés, hogy a modell regisztrálva van. A megerősítés a következőhöz hasonló:

Kattintson ide a modell megtekintéséhez. Ha meg szeretné tekinteni a regisztrált modell adatait.

Következő lépések

Most, hogy már rendelkezik regisztrált modellel, megtudhatja , hogyan helyezhet üzembe R-modellt online (valós idejű) végponton.