Guida introduttiva: Creare risorse dell'area di lavoro necessarie per iniziare a usare Azure Machine Learning
In questa guida introduttiva si creerà un'area di lavoro e quindi si aggiungeranno risorse di calcolo all'area di lavoro. Si avranno quindi tutti gli elementi necessari per iniziare a usare Azure Machine Learning.
L'area di lavoro è la risorsa di primo livello per le attività di Machine Learning, che offre una posizione centralizzata per visualizzare e gestire gli artefatti creati quando si usa Azure Machine Learning. Le risorse di calcolo forniscono un ambiente preconfigurato basato sul cloud che è possibile usare per eseguire il training, distribuire, automatizzare, gestire e tenere traccia dei modelli di Machine Learning.
Prerequisiti
- Un account Azure con una sottoscrizione attiva. Creare un account gratuitamente.
Creare l'area di lavoro
Se si ha già un'area di lavoro, ignorare questa sezione e continuare a Creare un'istanza di calcolo.
Se non si ha ancora un'area di lavoro, crearne una ora:
Accedere a studio di Azure Machine Learning
Selezionare Crea area di lavoro
Specificare le informazioni seguenti per configurare la nuova area di lavoro:
Campo Descrizione Nome dell'area di lavoro Immettere un nome univoco che identifichi l'area di lavoro. I nomi devono essere univoci all'interno del gruppo di risorse. Usare un nome facile da ricordare e da distinguere dai nomi delle aree di lavoro create da altri utenti. Il nome dell'area di lavoro non rileva la distinzione tra maiuscole e minuscole. Subscription Selezionare la sottoscrizione di Azure da usare. Resource group Usare un gruppo di risorse esistente nella sottoscrizione oppure immettere un nome per creare un nuovo gruppo di risorse. Un gruppo di risorse include risorse correlate per una soluzione Azure. Per usare un gruppo di risorse esistente, è necessario un ruolo di collaboratore o proprietario . Per altre informazioni sull'accesso, vedere Gestire l'accesso a un'area di lavoro di Azure Machine Learning. Region Selezionare l'area di Azure più vicina agli utenti e alle risorse dati per creare l'area di lavoro. Selezionare Crea per creare l'area di lavoro
Nota
Verrà creata un'area di lavoro insieme a tutte le risorse necessarie. Se si vuole riutilizzare le risorse, ad esempio account di archiviazione, Registro Azure Container, Azure KeyVault o Application Insights, usare invece il portale di Azure.
Creare un'istanza di calcolo
È possibile installare Azure Machine Learning nel proprio computer. In questa guida introduttiva si creerà tuttavia una risorsa di calcolo online con un ambiente di sviluppo già installato e pronto per l'uso. Si userà questo computer online, un'istanza di calcolo, per l'ambiente di sviluppo per scrivere ed eseguire codice in script Python e notebook jupyter.
Creare un'istanza di calcolo per usare questo ambiente di sviluppo per il resto delle esercitazioni e delle guide introduttive .
Se non è stata creata solo un'area di lavoro nella sezione precedente, accedere a studio di Azure Machine Learning ora e selezionare l'area di lavoro.
Sul lato sinistro selezionare Calcolo.
Selezionare +Nuovo per creare una nuova istanza di calcolo.
Specificare un nome, mantenere tutte le impostazioni predefinite nella prima pagina.
Selezionare Crea.
In circa due minuti verrà visualizzata la modifica dello stato dell'istanza di calcolo da Creazione a In esecuzione. È ora pronto per andare.
Creazione di cluster di elaborazione
Successivamente si creerà un cluster di calcolo. Si invierà codice a questo cluster per distribuire i processi di inferenza batch o di training in un cluster di nodi di calcolo CPU o GPU nel cloud.
Creare un cluster di calcolo che verrà ridimensionato automaticamente tra zero e quattro nodi:
- Sempre nella sezione Calcolo , nella scheda superiore selezionare Cluster di calcolo.
- Selezionare +Nuovo per creare un nuovo cluster di calcolo.
- Mantenere tutte le impostazioni predefinite nella prima pagina, selezionare Avanti. Se non viene visualizzato alcun calcolo disponibile, è necessario richiedere un aumento della quota. Altre informazioni sulla gestione e sull'aumento delle quote.
- Assegnare al cluster il nome cpu-cluster. Se questo nome esiste già, aggiungere le iniziali al nome per renderlo univoco.
- Lasciare 0 il numero minimo di nodi .
- Modificare il numero massimo di nodi in 4, se possibile. A seconda delle impostazioni, potrebbe essere previsto un limite inferiore.
- Modificare i secondi di inattività prima di passare a 2400.
- Lasciare le altre impostazioni predefinite e selezionare Crea.
In meno di un minuto, lo stato del cluster passerà da Creazione a Completato. L'elenco mostra il cluster di calcolo di cui è stato effettuato il provisioning, insieme al numero di nodi inattive, nodi occupati e nodi senza provisioning. Poiché il cluster non è stato ancora usato, tutti i nodi sono attualmente senza provisioning.
Nota
Una volta creato il cluster, risulteranno 0 nodi sottoposti a provisioning. Il cluster non comporta l'addebito di costi finché non si invia un processo. Le prestazioni di questo cluster verranno ridotte dopo che sarà rimasto inattivo per 2.400 secondi (40 minuti). Questo ti darà il tempo di usarlo in alcune esercitazioni se vuoi senza aspettare che venga eseguito il backup.
Presentazione rapida dello studio
Lo studio è il portale Web per Azure Machine Learning. Questo portale combina esperienze senza codice e code-first per una piattaforma di data science inclusiva.
Esaminare le parti dello studio sulla barra di spostamento a sinistra:
La sezione Creazione di uno studio contiene diversi modi per iniziare a creare modelli di Machine Learning. È possibile:
- La sezione Notebooks consente di creare notebook di Jupyter, copiare notebook di esempio ed eseguire notebook e script Python.
- Machine Learning automatizzato consente di creare un modello di Machine Learning senza scrivere codice.
- Progettazione offre un modo di trascinamento della selezione per compilare modelli usando componenti predefiniti.
La sezione Asset dello studio consente di tenere traccia degli asset creati durante l'esecuzione dei processi. Se si ha una nuova area di lavoro, non c'è ancora nulla in una di queste sezioni.
È già stata usata la sezione Gestisci dello studio per creare le risorse di calcolo. Questa sezione consente anche di creare e gestire dati e servizi esterni collegati all'area di lavoro.
Diagnostica dell'area di lavoro
È possibile eseguire la diagnostica nell'area di lavoro da studio di Azure Machine Learning o Python SDK. Dopo l'esecuzione della diagnostica, viene restituito un elenco di eventuali problemi rilevati. Questo elenco include collegamenti alle possibili soluzioni. Per altre informazioni, vedere Come usare la diagnostica dell'area di lavoro.
Pulire le risorse
Se si prevede di continuare con l'esercitazione successiva, passare a Passaggi successivi.
Arrestare l'istanza di calcolo
Se non si intende usarlo ora, arrestare l'istanza di calcolo:
- In Studio, a sinistra, selezionare Calcolo.
- Nelle schede principali selezionare Istanze di calcolo
- Selezionare l'istanza di calcolo nell'elenco.
- Nella barra degli strumenti superiore selezionare Arresta.
Eliminare tutte le risorse
Importante
Le risorse create possono essere usate come prerequisiti per altre esercitazioni e procedure dettagliate per Azure Machine Learning.
Se non si prevede di usare alcuna delle risorse create, eliminarle in modo da non comportare addebiti:
Nel portale di Azure fare clic su Gruppi di risorse all'estrema sinistra.
Nell'elenco selezionare il gruppo di risorse creato.
Selezionare Elimina gruppo di risorse.
Immettere il nome del gruppo di risorse. Selezionare Elimina.
Passaggi successivi
È ora disponibile un'area di lavoro di Azure Machine Learning che contiene:
- Istanza di calcolo da usare per l'ambiente di sviluppo.
- Un cluster di calcolo da usare per l'invio di esecuzioni di training.
Usare queste risorse per altre informazioni su Azure Machine Learning e eseguire il training di un modello con script Python.