クイックスタート: Azure Machine Learning の利用を開始するために必要なワークスペース リソースを作成する

このクイックスタートでは、ワークスペースを作成し、そのワークスペースにコンピューティング リソースを追加します。 Azure Machine Learning の利用を開始するために必要な環境がすべて整います。

ワークスペースは機械学習アクティビティの最上位のリソースで、Azure Machine Learning を使用するときに作成する成果物を表示したり管理したりするための一元的な場所となります。 機械学習モデルのトレーニング、デプロイ、自動化、管理、追跡に使用できる、あらかじめ構成されたクラウドベースの環境は、コンピューティング リソースから得られます。

前提条件

ワークスペースを作成する

既にワークスペースがある場合は、このセクションをスキップして、「コンピューティング インスタンスを作成する」に進んでください。

まだワークスペースをお持ちでない場合は、ここで作成してください。

  1. Azure Machine Learning Studio にサインインします。

  2. [ワークスペースの作成] を選択します。

  3. 新しいワークスペースを構成するには、次の情報を指定します。

    フィールド 説明
    ワークスペース名 ワークスペースを識別する一意の名前を入力します。 名前は、リソース グループ全体で一意である必要があります。 覚えやすく、他のユーザーが作成したワークスペースと区別しやすい名前を使用します。 ワークスペース名では、大文字と小文字は区別されません。
    サブスクリプション 使用する Azure サブスクリプションを選択します。
    Resource group サブスクリプションの既存のリソース グループを使用するか、任意の名前を入力して新しいリソース グループを作成します。 リソース グループは、Azure ソリューションの関連するリソースを保持します。 既存のリソース グループを使用するには、共同作成者または所有者のロールが必要です。 アクセスの詳細については、「Azure Machine Learning ワークスペースへのアクセスの管理」の記事をご覧ください。
    リージョン ユーザーとデータ リソースに最も近い Azure リージョンを選択し、ワークスペースを作成します。
  4. [作成] を選択して、ワークスペースを作成します。

注意

これにより、必要なすべてのリソースと共にワークスペースが作成されます。 ストレージ アカウント、Azure Container Registry、Azure KeyVault、Application Insights などのリソースを再利用する場合は、代わりに Azure portal を使用します。

コンピューティング インスタンスの作成

Azure Machine Learning は、自分のコンピューターにインストールすることもできます。 ただしこのクイックスタートでは、開発環境があらかじめインストールされて使える状態になったオンライン コンピューティング リソースを作成します。 このオンライン マシン ("コンピューティング インスタンス") を開発環境に使用し、Python スクリプトと Jupyter ノートブックでコードを記述し、実行します。

この開発環境を他のチュートリアルやクイックスタートで使用するための "コンピューティング インスタンス" を作成します。

  1. 前のセクションでワークスペースを作成していない場合は、ここで Azure Machine Learning スタジオにサインインし、自分のワークスペースを選択します。
  2. 左側にある [コンピューティング] を選択します。
  3. [新規] を選択して、新しいコンピューティング インスタンスを作成します。
  4. 名前を入力し、最初のページはすべて既定値のままとします。
  5. [作成] を選択します。

約 2 分後、コンピューティング インスタンスの状態が "作成中" から "実行中" に変わります。 以上で準備は完了です。

コンピューティング クラスターを作成する

次に、コンピューティング クラスターを作成します。 クラスターを使用すると、クラウド内の CPU または GPU コンピューティング ノードのクラスター全体にトレーニングまたはバッチ推論のプロセスを分散させることができます。

0 ノードから 4 ノードの間で自動スケーリングするコンピューティング クラスターを作成します。

  1. 引き続き [コンピューティング] セクションで、上部のタブから [コンピューティング クラスター] を選択します。
  2. [+ 新規] を選択して、新しいコンピューティング クラスターを作成します。
  3. 最初のページはすべて既定値のままとし、 [次へ] を選択します。 使用できるコンピューティングが表示されない場合は、クォータの増加を要求する必要があります。 クォータの管理と増加について、詳細を参照してください。
  4. クラスターに cpu-cluster という名前を付けます。 この名前が既に存在する場合は、一意となるように自分のイニシャルを名前に追加してください。
  5. [ノードの最小数] は 0 のままにします。
  6. 可能であれば、 [最大ノード数] を 4 に変更します。 設定によっては、上限がもっと小さい場合があります。
  7. [スケール ダウンする前のアイドル時間] を 2400 に変更します。
  8. 残りの部分は既定値のままにし、 [作成] を選択します。

1 分かからずに、クラスターの状態が "作成中" から "成功" に変わります。 このリストには、プロビジョニングされているコンピューティング クラスターが、アイドル状態のノードの数、ビジー状態のノードの数、プロビジョニング解除状態のノードの数と共に表示されます。 このクラスターはまだ使用していないので、現時点ではすべてのノードがプロビジョニング解除状態です。

Note

クラスターが作成されても、プロビジョニングされるノードは 0 個です。 クラスターでは、ジョブを送信するまでコストは発生 "しません"。 このクラスターは、2,400 秒 (40 分) の間、アイドル状態になったときにスケールダウンされます。 その間は、再度スケールアップされるのを待たなくても、必要に応じていくつかのチュートリアルで使い続けることができます。

スタジオのクイック ツアー

スタジオは、Azure Machine Learning の Web ポータルです。 このポータルでは、包括的なデータ サイエンス プラットフォームのために、コードなしのエクスペリエンスとコードファースト エクスペリエンスを組み合わせています。

スタジオの構成要素は、左側のナビゲーション バーでご覧いただけます。

  • スタジオの [Author](作成) セクションには、機械学習モデルを作成するための複数の方法が用意されています。 次のようにすることができます。

    • [Notebooks] セクションでは、Jupyter ノートブックを作成し、サンプル ノートブックをコピーして、ノートブックや Python スクリプトを実行できます。
    • [自動 ML] では、コードを記述せずに、画面の指示に従って機械学習モデルを作成できます。
    • [デザイナー] では、あらかじめ構築されたコンポーネントを使用して、ドラッグ アンド ドロップでモデルを作成できます。
  • スタジオの [Assets](アセット) セクションでは、ジョブを実行する過程で作成したアセットを追跡できます。 新しいワークスペースの場合、これらのセクションには、まだ何も表示されません。

  • スタジオの [管理] セクションは、先ほどコンピューティング リソースを作成する際に使用しました。 このセクションで、ワークスペースにリンクするデータや外部サービスを作成したり管理したりすることもできます。

ワークスペース診断

Azure Machine Learning スタジオまたは Python SDK から、ワークスペースの診断を実行することができます。 診断の実行後、検出された問題の一覧が返されます。 この一覧には、考えられる解決策へのリンクが含まれています。 詳細については、「ワークスペース診断の使用方法」を参照してください。

リソースをクリーンアップする

引き続き次のチュートリアルに取り組む予定の方は、「次のステップ」に進んでください。

コンピューティング インスタンスを停止する

コンピューティング インスタンスをすぐに使用しない場合は、停止してください。

  1. スタジオの左側にある [コンピューティング] を選択します。
  2. 上部のタブで、 [コンピューティング インスタンス] を選択します
  3. 一覧からコンピューティング インスタンスを選択します。
  4. 上部のツールバーで、 [停止] を選択します。

すべてのリソースの削除

重要

作成したリソースは、Azure Machine Learning に関連したその他のチュートリアルおよびハウツー記事の前提条件として使用できます。

作成したどのリソースも今後使用する予定がない場合は、課金が発生しないように削除します。

  1. Azure Portal で、左端にある [リソース グループ] を選択します。

  2. 一覧から、作成したリソース グループを選択します。

  3. [リソース グループの削除] を選択します。

    Azure portal でリソース グループの削除を選択する画面のスクリーンショット。

  4. リソース グループ名を入力します。 次に、 [削除] を選択します。

次のステップ

ここでは、次のものが含まれる Azure Machine Learning ワークスペースを作成しました。

  • 開発環境に使用するコンピューティング インスタンス。
  • トレーニングの実行を送信するために使用するコンピューティング クラスター。

これらのリソースを使用して、Azure Machine Learning について理解を深めると共に、Python スクリプトを使用してモデルをトレーニングしてみましょう。