Membuat dan menjalankan alur pembelajaran mesin dengan menggunakan komponen di studio Azure Machine Learning

BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)

Dalam artikel ini, Anda mempelajari cara membuat dan menjalankan alur pembelajaran mesin dengan menggunakan studio dan komponen Azure Machine Learning. Anda dapat membuat alur tanpa menggunakan komponen, tetapi komponen menawarkan fleksibilitas dan penggunaan kembali yang lebih baik. Alur Azure Machine Learning dapat didefinisikan dalam YAML dan dijalankan dari Azure CLI, ditulis di Python, atau disusun di Perancang studio Azure Machine Learning dengan antarmuka pengguna seret dan letakkan. Artikel ini berfokus pada antarmuka pengguna Perancang studio Azure Machine Learning.

Prasyarat

Catatan

Perancang mendukung dua jenis komponen, komponen bawaan klasik (v1) dan komponen kustom (v2). Kedua jenis komponen ini TIDAK kompatibel.

Komponen bawaan klasik menyediakan komponen bawaan terutama untuk pemrosesan data dan tugas pembelajaran mesin tradisional seperti regresi dan klasifikasi. Komponen bawaan klasik terus didukung tetapi tidak akan memiliki komponen baru yang ditambahkan. Selain itu, penyebaran komponen bawaan klasik (v1) tidak mendukung titik akhir online terkelola (v2).

Komponen kustom memungkinkan Anda membungkus kode Anda sendiri sebagai komponen. Ini mendukung berbagi komponen di seluruh ruang kerja dan penulisan tanpa hambatan di seluruh antarmuka studio, CLI v2, dan SDK v2.

Untuk proyek baru, kami sangat menyarankan Anda menggunakan komponen kustom, yang kompatibel dengan Azure Machine Learning V2 dan menerima pembaruan baru.

Artikel ini berlaku untuk komponen kustom.

Mendaftarkan komponen di ruang kerja Anda

Untuk membangun alur menggunakan komponen di UI Perancang, Anda harus terlebih dahulu mendaftarkan komponen ke ruang kerja Anda. Anda dapat menggunakan UI, Azure CLI, atau SDK untuk mendaftarkan komponen ke ruang kerja Anda, sehingga Anda dapat berbagi dan menggunakan kembali komponen di ruang kerja. Komponen terdaftar mendukung penerapan versi otomatis sehingga Anda dapat memperbarui komponen tetapi memastikan bahwa alur yang memerlukan versi yang lebih lama terus berfungsi.

Contoh berikut menggunakan UI untuk mendaftarkan komponen. File sumber komponen berada di direktori cli/jobs/pipelines-with-components/basics/1b_e2e_registered_components di repositoriazureml-examples. Anda perlu mengkloning repositori.

  1. Di ruang kerja Azure Pembelajaran Mesin Anda, navigasikan ke halaman Komponen dan pilih Komponen Baru. Tampilan halaman Komponen berbeda tergantung pada apakah Anda sebelumnya membuat komponen.

    Cuplikan layar memperlihatkan tombol entri daftar di halaman komponen.

    Cuplikan layar memperlihatkan tombol entri daftar di halaman komponen dengan dapat menyertakan arsip.

    Contoh ini digunakan train.ymldalam direktori 1b_e2e_registered_components. File YAML menentukan nama, jenis, antarmuka termasuk input dan output, kode, lingkungan, dan perintah komponen ini. Kode komponen ini (train.py) ada di ./train_src folder. Kode itu menjelaskan logika eksekusi komponen ini. Untuk mempelajari selengkapnya tentang skema komponen, lihat referensi skema YAML komponen perintah.

    Catatan

    Untuk komponen register di UI, code yang ditentukan dalam file YAML komponen hanya dapat menunjuk ke folder saat ini di mana file YAML tersebut berada atau ke subfolder-subfoldernya. Karena UI tidak dapat mengenali direktori induk, Anda tidak dapat menentukan ../.

    additional_includes hanya dapat menunjuk ke folder atau subfolder saat ini.

    Saat ini, UI hanya mendukung pendaftaran komponen dengan command jenis.

  2. Pilih Folder, lalu telusuri folder untuk diunggah 1b_e2e_registered_components .

  3. Pilih train.yml dari nama file Yaml.

    Cuplikan layar memperlihatkan unggahan dari folder lokal.

  4. Pilih Berikutnya, lalu konfirmasi detail komponen ini. Setelah Anda mengonfirmasi, pilih Buat untuk menyelesaikan proses pendaftaran.

  5. Ulangi langkah-langkah sebelumnya untuk mendaftarkan komponen Score and Eval menggunakan score.yml dan eval.yml.

  6. Setelah berhasil mendaftarkan tiga komponen, Anda dapat melihat komponen Anda di antarmuka pengguna studio.

Cuplikan layar menunjukkan komponen terdaftar di halaman komponen.

Membuat alur dengan menggunakan komponen terdaftar

  1. Buat alur baru di Perancang. Pilih opsi Kustom .

    Cuplikan layar memperlihatkan pembuatan alur baru di beranda Perancang.

  2. Pilih ikon pensil untuk memberi alur nama yang bermakna.

    Cuplikan layar memperlihatkan ganti nama alur.

  3. Di pustaka aset Perancang, Anda dapat melihat tab Data, Model, dan Komponen . Pilih Komponen. Anda dapat melihat komponen yang terdaftar dari bagian sebelumnya. Jika ada terlalu banyak komponen, Anda dapat mencari dengan nama komponen.

    Cuplikan layar menunjukkan komponen terdaftar di pustaka aset.

    Temukan komponen kereta, skor, dan eval yang terdaftar di bagian sebelumnya lalu seret ke kanvas. Secara default, Designer menggunakan versi default komponen. Untuk mengubah ke versi tertentu, klik dua kali komponen untuk membuka panel komponen.

    Cuplikan layar menunjukkan pengubahan versi komponen.

  4. Dalam contoh ini, gunakan data sampel di folder data. Untuk mendaftarkan data ke ruang kerja Anda, pilih ikon tambahkan di pustaka aset, lalu ikuti wizard untuk mendaftarkan data. Jenis data harus uri_folder selaras dengan definisi komponen pelatihan.

    Cuplikan layar memperlihatkan tambahkan data.

  5. Seret data ke kanvas. Alur Anda akan terlihat seperti cuplikan layar berikut.

    Cuplikan layar memperlihatkan draf alur.

  6. Sambungkan data dan komponen dengan menyeret koneksi di kanvas.

    Animasi memperlihatkan menyambungkan alur.

  7. Klik dua kali satu komponen, Anda akan melihat panel kanan tempat Anda dapat mengonfigurasi komponen.

    Cuplikan layar menunjukkan pengaturan parameter komponen.

    Untuk komponen dengan input jenis primitif seperti angka, bilangan bulat, string, dan boolean, Anda dapat mengubah nilai input tersebut di panel detail komponen, di bawah bagian Input .

    Anda juga dapat mengubah pengaturan output (tempat menyimpan output komponen) dan menjalankan pengaturan (target komputasi untuk menjalankan komponen ini) di panel kanan.

  8. Jadikan input max_epocs komponen latih ke input tingkat pipeline. Dengan demikian, Anda dapat menetapkan nilai yang berbeda untuk input ini setiap kali sebelum mengirimkan alur.

    Cuplikan layar memperlihatkan cara mempromosikan input komponen ke input alur.

Catatan

Komponen kustom dan komponen bawaan klasik Perancang tidak dapat digunakan bersama-sama.

Mengirimkan alur

  1. Untuk mengirimkan alur, pilih Konfigurasikan & Kirim.

    Cuplikan layar memperlihatkan tombol konfigurasi dan kirim.

  2. Kemudian Anda akan melihat wizard langkah demi langkah. Ikuti wizard untuk mengirimkan pekerjaan alur.

Cuplikan layar memperlihatkan wizard pengiriman.

Dalam langkah Dasar , Anda dapat mengonfigurasi eksperimen, nama tampilan pekerjaan, deskripsi pekerjaan, dll.

Dalam langkah Input & Output , Anda dapat mengonfigurasi Input/Output yang dipromosikan ke tingkat alur. Pada langkah sebelumnya, kami mempromosikan max_epocs komponen pelatihan ke input alur, sehingga Anda harus dapat melihat dan menetapkan nilai untuk max_epocs di sini.

Di Pengaturan runtime, Anda dapat mengonfigurasi datastore default dan komputasi default alur. Ini adalah datastore/komputasi default untuk semua komponen dalam alur. Tetapi perhatikan jika Anda mengatur komputasi atau datastore yang berbeda untuk komponen secara eksplisit, sistem menghormati pengaturan tingkat komponen. Jika tidak, ia menggunakan nilai default alur.

Langkah Tinjau + Kirim adalah langkah terakhir untuk meninjau semua konfigurasi sebelum mengirimkan. Wizard mengingat konfigurasi terakhir kali Anda jika Anda pernah mengirimkan alur.

Setelah mengirimkan pekerjaan alur, akan ada pesan di bagian atas dengan tautan ke detail pekerjaan. Anda dapat memilih tautan ini untuk meninjau detail pekerjaan.

Cuplikan layar memperlihatkan pesan pengiriman.

Tentukan identitas dalam pekerjaan alur

Saat mengirimkan pekerjaan pipeline, Anda dapat menentukan identitas untuk mengakses data di bawah Run settings. Identitas default adalah AMLToken, yang tidak menggunakan identitas apa pun. Alur juga dapat mendukung UserIdentity dan Managed. Untuk UserIdentity, identitas pengirim pekerjaan digunakan untuk mengakses data input dan menulis hasilnya ke folder output. Jika Anda menentukan Managed, sistem menggunakan identitas terkelola untuk mengakses data input dan menulis hasilnya ke folder output.

Cuplikan layar memperlihatkan cara mengatur identitas dalam pekerjaan alur.

Konten terkait

  • Last updated on