次の方法で共有

Azure Lab Services を使用した自然言語処理でのディープ ラーニングに重点を置いたラボを設定する

  • [アーティクル]

Note

この記事では、ラボ アカウントに代わり導入されたラボ プランで使用できる機能について説明します。

この記事では、Azure Lab Services を使用した自然言語処理 (NLP) でのディープ ラーニングに重点を置いたラボを設定する方法について説明します。 NLP は、コンピューターで翻訳、音声認識、その他の言語理解機能を実行できるようにする、人工知能 (AI) の一種です。

NLP クラスを受講する学生は、ニューラル ネットワーク アルゴリズムの適用方法を学ぶために Linux 仮想マシン（VM） を入手します。 アルゴリズムは、書かれた人間の言語を分析するために使用されるディープ ラーニング モデルの開発を学生に教えます。

ラボの構成

このラボを設定するには、Azure サブスクリプションとラボ アカウントが必要です。 Azure サブスクリプションをお持ちでない場合は、開始する前に無料アカウントを作成してください。

Azure サブスクリプションを取得したら、Azure Lab Services で新しいラボ プランを作成できます。 新しいラボ計画の作成の詳細については、ラボ計画の設定方法に関するチュートリアルを参照してください。 既存のラボ計画を使用することもできます。

ラボ計画の設定

以下の表に記載されているラボ計画の設定を有効にします。 マーケットプレース イメージを有効にする方法の詳細については、ラボ作成者が利用できる Marketplace イメージを指定する方法に関する記事を参照してください。

ラボ計画の設定 手順
マーケットプレースの画像 Linux (Ubuntu) イメージの Data Science Virtual Machine を有効にします。

ラボの設定

ラボを作成する方法については、チュートリアル: ラボの設定に関するページを参照してください。 ラボの作成時には、次の設定を使用します。

ラボの設定 値
仮想マシン (VM) サイズ 小規模 GPU (コンピューティング)。 このサイズは、人工知能やディープ ラーニングのような、コンピューティング集中型およびネットワーク集中型のアプリケーションに最適です。
VM イメージ Data Science Virtual Machine for Linux (Ubuntu)。 このイメージでは、機械学習とデータ サイエンス向けのディープ ラーニング フレームワークとツールが提供されます。 このイメージでインストールされたツールの完全な一覧を見るには、「DSVM に含まれているもの」を参照してください。
リモート デスクトップ接続を有効にする 必要に応じて、[リモート デスクトップ接続を有効にする] をオンにします。 データ サイエンス イメージは、教師と学生が GUI リモート デスクトップを使用して接続できるよう、X2Go を使用するように既に構成されています。 X2Go を使用するため、[リモート デスクトップ接続を有効にする] の設定を有効にする必要は "ありません"。
テンプレート仮想マシン設定 必要に応じて、[カスタマイズなしで仮想マシン イメージを使用] を選択します。 ラボ計画を使用していて、DSVM にクラスに必要なすべてのツールがある場合は、テンプレートのカスタマイズ手順をスキップできます。

重要

データ サイエンス イメージで X2Go を使用することをお勧めします。 ただし、代わりに RDP を使用する場合は、ラボを発行する前に、SSH を使用して Linux VM に接続し、RDP パッケージと GUI パッケージをインストールする必要があります。 その後、学生は RDP を使用して Linux VM に接続できます。 詳細については、Linux VM 用にグラフィカル リモート デスクトップを有効にする方法に関するページを参照してください。

テンプレート マシンの構成

Data Science Virtual Machine for Linux イメージには、この種類のクラスに必要なディープ ラーニング フレームワークとツールが用意されています。 ラボの作成時に [カスタマイズなしで仮想マシン イメージを使用] を選択した場合、テンプレート マシンをカスタマイズする機能は無効になります。 準備ができたら、ラボを発行できます。

コスト

このクラスの考えられるコスト見積もりを検討しましょう。 ここで選択した仮想マシンのサイズは、Small GPU (Compute) で、139 ラボ ユニットです。

予定授業時間が 20 時間、宿題または課題に 10 時間の割り当てがある、学生数 25 人のクラスの場合、費用見積もりは次のようになります。

25 人の学生 ＊ (予定の 20 時間 + 割り当てられた 10 時間) ＊ 139 ラボ ユニット ＊ 0.01 米ドル/時間 = 1042.5 米ドル

重要

コストの見積もりはあくまでも例です。 価格について詳しくは、「Azure Lab Services の価格」をご覧ください。

まとめ

この記事では、自然言語処理クラスのラボを作成する手順について説明しました。 他のディープ ラーニング クラスにも同様のセットアップを使用できます。

次のステップ

テンプレート イメージをラボに発行できるようになります。 詳細については、「テンプレート VM の発行」を参照してください。

ラボを設定するときは、次の記事を参照してください。