Oktatóanyag: Az első lépésekhez szükséges erőforrások létrehozása

Ebben az oktatóanyagban az Azure Machine Learning használatának megkezdéséhez szükséges erőforrásokat hozza létre.

• Munkaterület. Az Azure Machine Learning használatához munkaterületre van szüksége. A munkaterület az összes létrehozott összetevő és erőforrás megtekintésének és kezelésének központi helye.
• Számítási példány. A számítási példány egy előre konfigurált felhőalapú számítási erőforrás, amellyel gépi tanulási modelleket taníthat be, automatizálhat, kezelhet és nyomon követheti. A számítási példány a leggyorsabb módja az Azure Machine Learning SDK-k és CLI-k használatának. A többi oktatóanyagban Jupyter-jegyzetfüzeteket és Python-szkripteket futtat.

Ebben az oktatóanyagban az Azure Machine Learning Studióban hozza létre az erőforrásait.

Munkaterületet az Azure Portal vagy az SDK, a PARANCSSOR, azAzure PowerShell vagy a Visual Studio Code bővítmény használatával is létrehozhat.

A számítási példányok létrehozásának egyéb módjai: Számítási példány létrehozása.

Ez a videó bemutatja, hogyan hozhat létre munkaterületet és számítási példányt az Azure Machine Learning Studióban. A lépéseket az alábbi szakaszok is ismertetik.

Előfeltételek

• Egy Azure-fiók, aktív előfizetéssel. Fiók ingyenes létrehozása.

Hozza létre a munkaterületet

A munkaterület a gépi tanulási tevékenységek legfelső szintű erőforrása, amely központosított helyet biztosít az Azure Machine Learning használatakor létrehozott összetevők megtekintéséhez és kezeléséhez.

Ha már van munkaterülete, hagyja ki ezt a szakaszt, és folytassa a számítási példány létrehozásával.

Ha még nincs munkaterülete, hozzon létre egyet most:

1. Jelentkezzen be az Azure Machine Learning Studióba.

2. Válassza a Munkaterület létrehozása lehetőséget.

3. Adja meg a következő információkat az új munkaterület konfigurálásához:

   Mező	Leírás
   Munkaterület neve	Adjon meg egy egyedi nevet, amely azonosítja a munkaterületet. A neveknek egyedinek kell lenniük az erőforráscsoporton belül. Olyan nevet használjon, amely könnyen visszahívható és megkülönböztethető a mások által létrehozott munkaterületektől. A munkaterület neve nem érzéketlen.
   Rövid név	Ezt a nevet az Azure elnevezési szabályai nem korlátozzák. Ebben a névben szóközöket és speciális karaktereket is használhat.
   Központ	A központ lehetővé teszi a kapcsolódó munkaterületek csoportosítását és az erőforrások megosztását. Ha rendelkezik hozzáféréssel egy központhoz, válassza ki itt. Ha nincs hozzáférése egy központhoz, hagyja üresen.

4. Ha nem választott ki központot, adja meg a speciális beállításokat. Ha kiválasztott egy központot, a rendszer ezeket az értékeket a központból veszi át.

   Mező	Leírás
   Előfizetés	Válassza ki a használni kívánt Azure-előfizetést.
   Erőforráscsoport	Használjon egy meglévő erőforráscsoportot az előfizetésben, vagy adjon meg egy nevet egy új létrehozásához. Az erőforráscsoportok egy Azure-megoldáshoz kapcsolódó erőforrásokat tárolnak. Meglévő erőforráscsoport használatához közreműködői vagy tulajdonosi szerepkörre van szükség. A hozzáféréssel kapcsolatos további információkért tekintse meg az Azure Machine Learning-munkaterülethez való hozzáférés kezelését ismertető témakört.
   Régió	A munkaterület létrehozásához válassza ki a felhasználókhoz és az adatokhoz legközelebb eső Azure-régiót.

5. A Létrehozás kiválasztásával hozza létre a munkaterületet.

Feljegyzés

Ez létrehoz egy munkaterületet az összes szükséges erőforrással együtt. Ha további testreszabást szeretne, használja inkább az Azure Portalt . További információt a Munkaterület létrehozása című témakörben talál.

Számítási példány létrehozása

A számítási példány használatával Jupyter-jegyzetfüzeteket és Python-szkripteket futtathat a többi oktatóanyagban. Ha még nincs számítási példánya, hozzon létre egyet most:

1. Válassza ki a munkaterületet.

2. A jobb felső sarokban válassza az Új lehetőséget.

3. Válassza ki a számítási példányt a listában.

   

4. Adjon meg egy nevet.

5. Tartsa meg az oldal többi részének alapértelmezett értékeit, kivéve, ha a szervezet házirendje eltérő beállításokat igényel.

6. Válassza a Felülvizsgálat és létrehozás lehetőséget.

7. Válassza a Létrehozás lehetőséget.

Rövid bemutató a stúdióról

A stúdió az Azure Machine Learning webportálja. Kód nélküli és kódelső funkciókat kombinál egy befogadó adatelemzési platformhoz.

Tekintse át a stúdió bal oldali navigációs sávjának részeit:

• A stúdió Szerzői szakasza több módszert is tartalmaz a gépi tanulási modellek létrehozásának megkezdésére. A következőket teheti:

  • A jegyzetfüzetek lehetővé teszi Jupyter-jegyzetfüzetek létrehozását, mintajegyzetfüzetek másolását, valamint jegyzetfüzetek és Python-szkriptek futtatását.
  • Az automatizált gépi tanulás végigvezeti önt egy gépi tanulási modell létrehozásán kód írása nélkül.
  • A Tervező egy húzással készít modelleket előre összeállított összetevők használatával.

• Az Eszközök szakasz segítséget nyújt a feladatok futtatásakor létrehozott objektumok nyomon követésében. Egy új munkaterületen ezek a szakaszok üresek.

• A Kezelés szakasz lehetővé teszi a munkaterülethez társított számítási és külső szolgáltatások létrehozását és kezelését. Itt adatcímkéző projektet is létrehozhat és kezelhet.

Tudnivalók a mintajegyzetfüzetekből

A stúdióban elérhető mintajegyzetfüzetek segítségével megtudhatja, hogyan taníthat be és helyezhet üzembe modelleket. Ezekre számos más cikkben és oktatóanyagban hivatkozunk.

1. A bal oldali navigációs sávon válassza a Jegyzetfüzetek lehetőséget.
2. A tetején válassza a Minták lehetőséget.

• Az aktuális SDK-t (v2 ) használó példákhoz használjon jegyzetfüzeteket az SDK v2 mappájában.
• Ezek a jegyzetfüzetek írásvédettek, és rendszeresen frissülnek.
• Amikor megnyit egy jegyzetfüzetet, válassza a felül található jegyzetfüzet klónozása lehetőséget, és adjon hozzá egy másolatot és a kapcsolódó fájlokat a Fájlok mappához. A Fájlok szakaszban létrejön egy új mappa.

Új jegyzetfüzet létrehozása

Ha a mintákból klónozza a jegyzetfüzetet, a rendszer másolatot ad a fájlokról, és elkezdheti futtatni vagy módosítani. Az oktatóanyagok nagy része ezeket a mintajegyzetfüzeteket tükrözi.

Létrehozhat egy új, üres jegyzetfüzetet is, majd bemásolhatja és beillesztheti az oktatóanyagból származó kódot. Ehhez tegye a következőket:

1. A Jegyzetfüzetek szakaszban válassza a Fájlok lehetőséget, hogy visszatérjen a fájlokhoz.

2. Válassza ki + a fájlok hozzáadásához.

3. Válassza az Új fájl létrehozása lehetőséget.

   

Az erőforrások eltávolítása

Ha most további oktatóanyagokat szeretne folytatni, ugorjon a Következő lépésre.

Számítási példány leállítása

Ha most nem fogja használni, állítsa le a számítási példányt:

1. A stúdió bal oldali menüjében válassza a Számítás lehetőséget.
2. A felső lapon válassza a Számítási példányok lehetőséget.
3. Válassza ki a számítási példányt a listában.
4. A felső eszköztáron válassza a Leállítás lehetőséget.

Az összes erőforrás törlése

Fontos

A létrehozott erőforrások előfeltételként használhatók más Azure Machine Learning-oktatóanyagokhoz és útmutatókhoz.

Ha nem tervezi használni a létrehozott erőforrások egyikét sem, törölje őket, hogy ne járjon költséggel:

1. Az Azure Portal keresőmezőjében adja meg az erőforráscsoportokat , és válassza ki az eredmények közül.

2. A listából válassza ki a létrehozott erőforráscsoportot.

3. Az Áttekintés lapon válassza az Erőforráscsoport törlése lehetőséget.

   

4. Adja meg az erőforráscsoport nevét. Ezután válassza a Törlés elemet.

Következő lépés

Most már rendelkezik egy Azure Machine Learning-munkaterülettel, amely a fejlesztési környezet számítási példányát tartalmazza.

A továbbiakban megtudhatja, hogyan futtathat jegyzetfüzeteket és szkripteket a számítási példány használatával az Azure Machine Learningben.

Rövid útmutató: Ismerkedés az Azure Machine Learning szolgáltatásokkal

A számítási példányt az alábbi oktatóanyagokkal taníthatja be és helyezheti üzembe a modelleket.

Oktatóanyag	Leírás
Adatok feltöltése, elérése és felfedezése az Azure Machine Learningben	Nagy méretű adatokat tárol a felhőben, és lekéri a jegyzetfüzetekből és szkriptekből.
Modellfejlesztés felhőbeli munkaállomáson	Gépi tanulási modellek prototípus-készítése és fejlesztése.
Modell betanítása az Azure Machine Learningben	Ismerkedés a modell betanításának részleteivel.
Modell üzembe helyezése online végpontként	Ismerkedés a modell üzembe helyezésének részleteivel.
Éles gépi tanulási folyamatok létrehozása	Teljes gépi tanulási feladat felosztása többhelyes munkafolyamatra.

Be akar ugrani? Böngészhet a kódminták között.