스튜디오에서 교육 작업 제출

  • 아티클

Azure Machine Learning을 사용하여 학습 작업을 만드는 방법에는 여러 가지가 있습니다. CLI(모델 학습(작업 만들기) 참조), REST API(REST로 모델 학습(미리 보기) 참조)를 사용하거나 UI를 사용하여 학습 직업을 직접 만들 수 있습니다. 이 문서에서는 사용자 고유의 데이터와 코드를 사용하여 Azure Machine Learning 스튜디오 학습 작업을 제출하기 위한 안내된 환경을 통해 기계 학습 모델을 학습시키는 방법을 알아봅니다.

Important

이 기능은 현재 공개 미리 보기로 제공됩니다. 이 미리 보기 버전은 서비스 수준 계약 없이 제공되며, 프로덕션 워크로드에는 권장되지 않습니다. 특정 기능이 지원되지 않거나 기능이 제한될 수 있습니다.

자세한 내용은 Microsoft Azure Preview에 대한 추가 사용 약관을 참조하세요.

필수 구성 요소

시작하기

  1. Azure Machine Learning Studio에 로그인합니다.

  2. 구독 및 작업 영역을 선택합니다.

  • 홈페이지에서 작업 만들기 UI를 시작할 수 있습니다. 새로 만들기를 선택하고 작업을 선택합니다. Azure Machine Learning studio homepage

이 단계에서는 학습 방법을 선택하고, 선택에 따라 제출 양식의 나머지 부분을 완료하고, 학습 작업을 제출할 수 있습니다. 아래에서는 사용자 지정 스크립트(명령 작업)를 실행하는 단계를 사용하여 양식을 안내합니다.

Azure Machine Learning studio training form landing page for users to choose method of training.

기본 설정 구성

첫 번째 단계는 학습 작업에 대한 기본 정보를 구성하는 것입니다. 선택한 기본값에 만족하는 경우 다음으로 진행하거나 원하는 기본 설정을 변경할 수 있습니다.

Azure Machine Learning studio job submission form for users to configure their basic settings.

사용 가능한 필드는 다음과 같습니다.

필드 설명
작업 이름 작업 이름 필드는 작업을 고유하게 식별하는 데 사용됩니다. 또한 작업의 표시 이름으로 사용됩니다.
실험 이름 이를 사용하여 Azure Machine Learning 스튜디오에서 작업을 구성할 수 있습니다. 각 작업의 실행 레코드는 스튜디오의 "실험" 탭에 있는 해당 실험으로 구성됩니다. 기본적으로 Azure는 작업을 기본 실험에 넣습니다.
설명 원하는 경우 작업을 설명하는 텍스트를 추가합니다.
시간 제한 전체 학습 작업 실행이 허용되는 시간을 지정합니다. 이 제한에 도달하면 시스템은 자식 작업을 포함한 작업을 취소합니다.
태그 구성에 도움이 되도록 작업에 태그를 추가합니다.

학습 스크립트

다음 단계는 소스 코드를 업로드하고, 학습 작업을 실행하는 데 필요한 입력 또는 출력을 구성하고, 학습 스크립트를 실행하기 위한 명령을 지정하는 것입니다.

이는 코드 파일이거나 로컬 컴퓨터 또는 작업 영역의 기본 Blob Storage에 있는 폴더일 수 있습니다. Azure는 사용자가 선택한 후 업로드할 파일을 표시합니다.

필드 설명
코드 이는 학습 스크립트로 로컬 컴퓨터 또는 작업 영역의 기본 Blob Storage에 있는 파일 또는 폴더일 수 있습니다. Studio는 사용자가 선택한 후 업로드할 파일을 표시합니다.
입력 데이터, 정수, 숫자, 부울, 문자열 형식 중 필요한 만큼 입력을 지정합니다.
명령 실행할 명령입니다. 명령줄 인수를 명령에 명시적으로 기록하거나, 다음 섹션에 설명된 대로 중괄호 표기법을 사용하여 다른 섹션(특히 입력)에서 유추할 수 있습니다.

코드

명령은 업로드된 코드 폴더의 루트 디렉터리에서 실행됩니다. 코드 파일이나 폴더를 선택한 후 업로드할 파일을 볼 수 있습니다. 진입점을 포함하는 코드의 상대 경로를 복사하고 명령을 입력하여 작업을 시작합니다.라는 상자에 붙여넣습니다.

코드가 루트 디렉터리에 있으면 명령에서 해당 코드를 직접 참조할 수 있습니다. 예: python main.py

코드가 루트 디렉터리에 없으면 상대 경로를 사용해야 합니다. 예를 들어, 단어 언어 모델의 구조는 다음과 같습니다.

.
├── job.yml
├── data
└── src
    └── main.py

여기에서 소스 코드는 src 하위 디렉터리에 있습니다. 명령은 python ./src/main.py(+ 기타 명령줄 인수)입니다.

Image of referencing your code in the command in the training job submission form.

입력

명령에서 입력을 사용하는 경우 입력 이름을 지정해야 합니다. 입력 변수를 나타내려면 ${{inputs.input_name}} 형식을 사용합니다. 예: ${{inputs.wiki}} 그런 다음, 명령에서 이를 참조할 수 있습니다(예: --data ${{inputs.wiki}}).

Image of referencing your inputs in the command in the training job submission form.

컴퓨팅 리소스 선택

다음 단계는 작업을 실행할 컴퓨팅 대상을 선택하는 것입니다. 작업 만들기 UI는 여러 가지 컴퓨팅 형식을 지원합니다.

컴퓨팅 형식 소개
컴퓨팅 인스턴스 Azure Machine Learning 컴퓨팅 인스턴스란?
컴퓨팅 클러스터 컴퓨팅 클러스터란?
연결된 컴퓨팅(Kubernetes 클러스터) 어디서나 Kubernetes 클러스터 구성 및 연결(미리 보기)
  1. 컴퓨팅 형식을 선택합니다.
  2. 기존 컴퓨팅 리소스를 선택합니다. 드롭다운에는 선택에 도움이 되는 노드 정보와 SKU 형식이 표시됩니다.
  3. 컴퓨팅 클러스터 또는 Kubernetes 클러스터의 경우 인스턴스 수에서 작업에 대해 원하는 노드 수를 지정할 수도 있습니다. 기본 인스턴스 수는 1개입니다.
  4. 선택 사항에 만족하면 다음을 선택합니다. Select a compute cluster dropdown selector image.

Azure Machine Learning을 처음으로 사용하는 경우 빈 목록과 새 컴퓨팅을 만드는 링크가 표시됩니다. 다양한 형식을 만드는 방법에 관한 자세한 내용은 다음을 참조하세요.

컴퓨팅 형식 방법
컴퓨팅 인스턴스 Azure Machine Learning 컴퓨팅 인스턴스를 만듭니다.
컴퓨팅 클러스터 Azure Machine Learning 컴퓨팅 클러스터 만들기
연결된 Kubernetes 클러스터 Azure Arc 지원 Kubernetes 클러스터 연결

필요한 환경 지정

컴퓨팅 대상을 선택한 후 작업의 런타임 환경을 지정해야 합니다. 작업 만들기 UI는 세 가지 유형의 환경을 지원합니다.

  • 큐레이팅 환경
  • 사용자 지정 환경
  • 컨테이너 레지스트리 이미지

큐레이팅 환경

큐레이팅 환경은 일반적인 ML 워크로드에서 사용되는 Python 패키지의 Azure 정의 컬렉션입니다. 큐레이팅 환경은 기본적으로 작업 영역에서 사용할 수 있습니다. 이러한 환경은 작업 준비 오버헤드를 줄일 수 있는 캐시된 Docker 이미지에서 지원됩니다. “큐레이팅 환경” 페이지에 표시되는 카드에는 각 환경의 세부 정보가 표시됩니다. 자세한 내용은 Azure Machine Learning의 큐레이팅된 환경을 참조하세요.

Image of curated environments selector page showing various environment cards.

사용자 지정 환경

사용자 지정 환경은 직접 지정한 환경입니다. 환경을 지정하거나 이미 만든 환경을 다시 사용할 수 있습니다. 자세한 내용은 Azure Machine Learning 스튜디오에서 소프트웨어 환경 관리(미리 보기)를 참조하세요.

컨테이너 레지스트리 이미지

Azure Machine Learning 큐레이팅 환경을 사용하거나 고유한 사용자 지정 환경을 지정하지 않으려는 경우 Docker Hub와 같은 퍼블릭 컨테이너 레지스트리에서 docker 이미지를 사용할 수 있습니다.

검토 및 만들기

작업을 구성한 후 [다음]을 선택하여 검토 페이지로 이동합니다. 설정을 수정하려면 연필 아이콘을 선택하고 변경합니다. Azure Machine Learning studio job submission review pane image to validate selections before submission.

작업을 시작하려면 학습 작업 제출을 선택합니다. 작업이 만들어지면 Azure에 학습 작업을 모니터링하고 관리할 수 있는 작업 세부 정보 페이지가 표시됩니다.

스튜디오에서 이메일을 구성하는 방법

작업, 온라인 엔드포인트 또는 일괄 처리 엔드포인트가 완료되거나 문제(실패, 취소)가 있는 경우 이메일 수신을 시작하려면 다음 단계를 사용합니다.

  1. Azure ML 스튜디오에서 기어 아이콘을 선택하여 설정으로 이동합니다.
  2. 이메일 알림 탭을 선택합니다.
  3. 특정 이벤트에 대한 이메일 알림을 사용하거나 사용하지 않도록 설정하려면 토글합니다.

Screenshot of Azure ML studio's settings on the email notifications tab.

다음 단계