Ricompilare un esperimento dello studio (versione classica) in Azure Machine Learning

Importante

Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.

A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse (area di lavoro e piano di servizio Web) dello studio di Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare gli esperimenti e i servizi Web dello studio di Machine Learning (versione classica).

• Vedere le informazioni sullo spostamento di progetti di apprendimento automatico da ML Studio (versione classica) ad Azure Machine Learning.
• Scoprire di più su Azure Machine Learning

La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.

Questo articolo illustra come ricompilare un esperimento dello studio di Machine Learning (versione classica) in Azure Machine Learning. Per altre informazioni sulla migrazione dallo studio (versione classica), vedere l'articolo di panoramica della migrazione.

Gli esperimenti dello studio (versione classica) sono simili alle pipeline in Azure Machine Learning. In Azure Machine Learning tuttavia le pipeline si basano sullo stesso back-end che supporta l'SDK. Ciò significa che sono disponibili due opzioni per lo sviluppo di Machine Learning: la finestra di progettazione con trascinamento della selezione o gli SDK code-first.

Per altre informazioni sulla creazione di pipeline con l'SDK, vedere Informazioni sulle pipeline di Azure Machine Learning.

Prerequisiti

• Un account Azure con una sottoscrizione attiva. Creare un account gratuitamente.
• Un'area di lavoro di Azure Machine Learning. Creare le risorse dell'area di lavoro.
• Esperimento dello studio (versione classica) di cui eseguire la migrazione.
• Caricare il set di dati in Azure Machine Learning.

Ricompilare la pipeline

Dopo aver eseguito la migrazione del set di dati ad Azure Machine Learning, è possibile ricreare l'esperimento.

In Azure Machine Learning il grafico visivo viene chiamato bozza di pipeline. In questa sezione si ricrea l'esperimento classico come bozza di pipeline.

1. Passare allo studio di Azure Machine Learning (ml.azure.com)

2. Nel riquadro di spostamento a sinistra selezionare Progettazione>Moduli predefiniti facili da usare

3. Ricompilare manualmente l'esperimento con i componenti della finestra di progettazione.

   Per trovare i moduli sostitutivi, vedere la tabella di mapping dei moduli. Molti dei moduli più diffusi dello studio (versione classica) hanno versioni identiche nella finestra di progettazione.

   Importante

   Se l'esperimento usa il modulo Esegui script R, è necessario eseguire passaggi aggiuntivi per eseguire la migrazione dell'esperimento. Per altre informazioni, vedere Eseguire la migrazione di moduli script R.

4. Modificare i parametri.

   Selezionare ogni modulo e modificare i parametri nel pannello delle impostazioni del modulo a destra. Usare i parametri per ricreare la funzionalità dell'esperimento dello studio (versione classica). Per altre informazioni su ogni modulo, vedere le informazioni di riferimento sul modulo.

Inviare un processo e controllare i risultati

Dopo aver ricreato l'esperimento dello studio (versione classica), è possibile inviare un processo della pipeline.

Un processo della pipeline viene eseguito su una destinazione di calcolo collegata all'area di lavoro. È possibile impostare una destinazione di calcolo predefinita per l'intera pipeline oppure specificare destinazioni di calcolo per ogni modulo.

Dopo l'invio da una bozza di pipeline, il processo si trasforma in un processo della pipeline. Ogni processo della pipeline viene registrato in Azure Machine Learning.

Per impostare una destinazione di calcolo predefinita per l'intera pipeline:

1. Selezionare l'Icona a forma di ingranaggio accanto al nome della pipeline.
2. Selezionare Seleziona destinazione di calcolo.
3. Selezionare un ambiente di calcolo esistente o crearne uno nuovo seguendo le istruzioni visualizzate.

Ora che la destinazione di calcolo è impostata, è possibile inviare un processo della pipeline:

1. Nella parte superiore dell'area di disegno selezionare Invia.

2. Selezionare Crea nuovo per creare un nuovo esperimento.

   Gli esperimenti organizzano insieme processi di pipeline simili. Se una pipeline viene eseguita più volte, è possibile selezionare lo stesso esperimento per processi successivi. Ciò è utile per la registrazione e il rilevamento.

3. Immettere un nome di esperimento. e quindi selezionare Invia.

   Il primo processo può richiedere fino a 20 minuti. Poiché le impostazioni di calcolo predefinite prevedono una dimensione minima del nodo pari a 0, la finestra di progettazione deve allocare risorse dopo l'inattività. I processi successivi richiedono meno tempo, perché i nodi sono già allocati. Per velocizzare il tempo di esecuzione, è possibile creare una risorsa di calcolo con una dimensione minima del nodo pari o superiore a 1.

Al termine del processo, è possibile controllare i risultati di ogni modulo:

1. Fare clic con il pulsante destro del mouse sul modulo di cui si vuole visualizzare l'output.

2. Selezionare Visualizza, Visualizza output o Visualizza log.

   • Visualizza: consente di visualizzare in anteprima il set di dati dei risultati.
   • Visualizza output: consente di aprire un collegamento al percorso di archiviazione di output. Usare questa opzione per esplorare o scaricare l'output.
   • Visualizza log: consente di visualizzare i log del driver e del sistema. Usare l'opzione 70_driver_log per visualizzare informazioni correlate allo script inviato dall'utente, ad esempio errori ed eccezioni.

Importante

I componenti della finestra di progettazione usano pacchetti Python open source per implementare algoritmi di apprendimento automatico. Studio (versione classica) usa tuttavia una libreria C# interna di Microsoft. Di conseguenza, il risultato della stima può variare tra la finestra di progettazione e studio (versione classica).

Salvare il modello sottoposto a training da usare in un'altra pipeline

In alcuni casi è possibile che si voglia salvare il modello sottoposto a training in una pipeline e usare il modello in un'altra pipeline in un secondo momento. Nello studio (versione classica) tutti i modelli sottoposti a training vengono salvati nella categoria "Modelli sottoposti a training" nell'elenco dei moduli. Nella finestra di progettazione i modelli sottoposti a training vengono registrati automaticamente come set di dati di file con un nome generato dal sistema. La convenzione di denominazione segue il modello "MD - nome bozza pipeline - nome componente - ID modello sottoposto a training".

Per assegnare un nome significativo a un modello sottoposto a training, è possibile registrare l'output del componente Esegui il training del modello come set di dati di file. Assegnare il nome desiderato, ad esempio linear-regression-model.

È possibile trovare il modello sottoposto a training nella categoria "Set di dati" nell'elenco dei componenti o cercarlo in base al nome. Connettere quindi il modello sottoposto a training a un componente Assegna punteggio al modello per usarlo per la stima.

Passaggi successivi

In questo articolo si è appreso come ricompilare un esperimento dello studio (versione classica) in Azure Machine Learning. Il passaggio successivo consiste nel ricompilare i servizi Web in Azure Machine Learning.

Vedere gli altri articoli della serie sulla migrazione dello studio (versione classica):

1. Panoramica della migrazione.
2. Eseguire la migrazione del set di dati.
3. Ricompilare una pipeline di training dello studio (versione classica).
4. Ricompilare un servizio Web dello studio (versione classica).
5. Integrare un servizio Web di Azure Machine Learning con app client.
6. Eseguire la migrazione del modulo Esegui script R.