演習 - ディープ ニューラル ネットワークをトレーニングする

  • 25 分

ここまで、このモジュールでは、ニューラル ネットワークを使用したディープ ラーニングの理論と原則について多くのことを学習しました。 この理論を適用する方法を学ぶ最善の方法は、ディープ ラーニング モデルを実際に構築することです。これがこの演習で行います。

ディープ ニューラル ネットワークのトレーニングに使用できるフレームワークは多数あります。この演習では、Python で最も一般的な 2 つのディープ ラーニング フレームワーク ( PyTorch と TensorFlow) のいずれか (または両方) を調べることができます。

開始する前に

演習を完了するには、次のものが必要です。

  • Microsoft Azure サブスクリプション。 まだお持ちでない場合は、https://azure.microsoft.com/freeで無料試用版にサインアップできます。
  • コンピューティング インスタンスと ml-basics リポジトリが複製された Azure Machine Learning ワークスペース。

注

このモジュールでは、Azure Machine Learning ワークスペースを使用します。 Azure Data Scientist 認定の準備としてこのモジュールを完了する場合は、ワークスペースを 1 回作成し、他のモジュールで再利用することを検討してください。 演習が完了したら、 クリーンアップ の手順に従ってコンピューティング リソースを停止し、ワークスペースを再利用する場合は保持してください。

Azure Machine Learning ワークスペースを作成する

Azure サブスクリプションに Azure Machine Learning ワークスペースがまだない場合は、次の手順に従って作成します。

  1. Azure サブスクリプションに関連付けられている Microsoft アカウントを使用して、Azure portal にサインインします。

  2. Azure ホーム ページの Azure サービスで、[ リソースの作成] を選択します。 [ リソースの作成 ] ウィンドウが表示されます。

  3. [ 検索サービスとマーケットプレースの 検索] ボックスで、 Machine Learning を検索して選択します。 Azure Machine Learning ペインが表示されます。

  4. 作成を選択します。 Azure Machine Learning ペインが表示されます。

  5. [ 基本 ] タブで、各設定に次の値を入力します。

    設定 価値
    プロジェクトの詳細
    サブスクリプション この演習に使用する Azure サブスクリプションを選択します。
    リソースグループ [ 新しい作成 ] リンクを選択し、新しいリソース グループに一意の名前を付け、[ OK] を選択します。
    ワークスペースの詳細
    ワークスペース名 アプリの一意の名前を入力します。 たとえば、 <yourname>-machinelearn を使用できます。
    リージョン ドロップダウン リストから、使用可能な任意の場所を選択します。

  6. 残りの既定値をそのまま使用し、[ 確認と作成] を選択します。

  7. 検証に合格したら、[ 作成] を選択します。

    数分かかる可能性があるため、ワークスペース リソースが作成されるまで待ちます。

  8. デプロイが完了したら、[ リソースに移動] を選択します。 [機械学習] ウィンドウが表示されます。

  9. Launch Studio を選択するか、https://ml.azure.comに移動し、Microsoft アカウントを使用してサインインします。 Microsoft Azure Machine Learning Studio ページが表示されます。

  10. Azure Machine Learning Studio で、左上のアイコンを☰切り替えて、メニュー ウィンドウを展開または折りたたみます。 これらのオプションを使用して、ワークスペース内のリソースを管理できます。

コンピューティング インスタンスを作成する

この演習で使用するノートブックを実行するには、Azure Machine Learning ワークスペースにコンピューティング インスタンスが必要です。

  1. 左側のメニュー ウィンドウの [ 管理] で、[ コンピューティング] を選択します。 [コンピューティング] ウィンドウが表示されます。

  2. [ Compute Instances ]\(コンピューティング インスタンス\) タブで、コンピューティング インスタンスが既にある場合は起動します。それ以外の場合は、[ 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。 [ コンピューティング インスタンスの作成 ] ウィンドウが表示されます。

  3. 各設定に対して次の値を入力します。

    • コンピューティング名: 一意の名前を入力します
    • 仮想マシンの種類: CPU
    • 仮想マシンのサイズ: 推奨されるオプションから選択: Standard_DS11_v2

  4. 作成を選択します。 コンピューティング ペインが、コンピューティング インスタンスの一覧に再び表示されます。

  5. 数分かかる場合があるため、コンピューティング インスタンスが起動するまで待ちます。 [ 状態 ] 列で、 コンピューティング インスタンス が [実行中] に変わります。

ml-basics リポジトリを複製する

このモジュールで使用されるファイルとその他の関連モジュールは、 MicrosoftDocs/ml-basics GitHub リポジトリに公開されています。 まだ行っていない場合は、次の手順に従って、リポジトリを Azure Machine Learning ワークスペースに複製します。

  1. Azure Machine Learning Studio の左側のメニューで [ ワークスペース ] を選択し、一覧で作成したワークスペースを選択します。

  2. 左側の [作成 ] 見出しの下にある [ノートブック ] リンクを選択して Jupyter Notebook を開きます。 [ノートブック] ウィンドウが表示されます。

  3. 右側の [ターミナル ] ボタンを選択します。 ターミナル シェルが表示されます。

  4. 次のコマンドを実行して、現在のディレクトリを Users ディレクトリに変更し、この演習で使用するノートブックとファイルを含む ml-basics リポジトリを複製します。

    cd Users
git clone https://github.com/microsoftdocs/ml-basics

  5. コマンドが完了し、ファイルのチェックアウトが完了したら、ターミナル タブを閉じて、Jupyter Notebook ファイル エクスプローラーでホーム ページを表示します。

  6. Users フォルダーを開きます。このモジュールで使用するファイルを含む ml-basics フォルダーが含まれている必要があります。

注

この演習では、Azure Machine Learning ワークスペースで Jupyter を使用することを強くお勧めします。 このセットアップにより、正しいバージョンの Python と必要なさまざまなパッケージがインストールされます。ワークスペースを 1 回作成した後、他のモジュールで再利用できます。 自分のコンピューター上の Python 環境で演習を完了したい場合は、実行できます。 Visual Studio Code を使用するローカル開発環境の構成の詳細については、「 自分のコンピューターでラボを実行する」を参照してください。 これを行う場合は、演習の手順がノートブックのユーザー インターフェイスと一致しない可能性があることに注意してください。

ディープ ニューラル ネットワーク モデルをトレーニングする

Jupyter 環境を作成し、 ml-basics リポジトリを複製したら、ディープ ラーニングを探索する準備ができました。

  1. Jupyter の ml-basics フォルダーで、フレームワークの設定に応じてディープ ニューラル ネットワーク (PyTorch).ipynb またはディープ ニューラル ネットワーク (Tensorflow).ipynb ノートブックを開き、それに含まれている指示に従います。

  2. 完了したら、すべてのノートブックを閉じて停止します。

ノートブックの作業が完了したら、このモジュールに戻り、次のユニットに進んで詳細を確認してください。