연습 - 심층 신경망 학습

  • 25분

이 모듈에서는 지금까지 신경망을 사용하는 딥 러닝에 대한 이론과 원칙을 알아보았습니다. 이러한 이론을 어떻게 적용하는지 배우는 가장 좋은 방법은 실제로 딥 러닝 모델을 빌드하는 것이며, 이 작업을 이 연습에서 해보겠습니다.

심층 신경망 학습에 사용할 수 있는 프레임워크는 여러 가지가 있으나, 이 연습에서는 Python용으로 가장 많이 사용되는 두 가지 딥 러닝 프레임워크인 PyTorch 및 TensorFlow 중 하나 또는 둘 다를 살펴보는 것을 선택할 수 있습니다.

시작하기 전에

연습을 완료하려면 다음 사항이 필요합니다.

  • Microsoft Azure 구독. 구독이 아직 없다면 https://azure.microsoft.com/free에서 평가판을 신청할 수 있습니다.
  • 컴퓨팅 인스턴스와 복제된 ml-basics 리포지토리가 포함된 Azure Machine Learning 작업 영역입니다.

참고

이 모듈에서는 Azure Machine Learning 작업 영역을 사용합니다. Azure 데이터 과학자 인증을 준비하는 과정에서 이 모듈을 진행하는 경우, 작업 영역을 한 번 만들어 두고 다른 모듈에서 재사용하는 것이 좋습니다. 연습을 완료한 다음에는 정리 지침에 따라 컴퓨팅 리소스를 중단하고 작업 영역을 재사용하려는 경우 해당 작업 영역을 유지해야 합니다.

Azure Machine Learning 작업 영역 만들기

Azure 구독 내에 Azure Machine Learning 작업 영역을 아직 보유하고 있지 않은 경우, 다음 단계에 따라 생성합니다.

  1. Azure 구독과 연결된 Microsoft 계정을 사용하여 Azure Portal에 로그인합니다.

  2. Azure 홈페이지의 Azure 서비스에서 리소스 만들기를 선택합니다. 리소스 만들기 창이 나타납니다.

  3. ‘검색 서비스 및 마켓플레이스’ 검색 상자에서 Machine Learning을 검색하여 선택합니다. Azure Machine Learning 창이 나타납니다.

  4. 만들기를 실행합니다. Azure Machine Learning 창이 나타납니다.

  5. 기본 탭에서 각 설정에 다음 값을 입력합니다.

    설정 값
    프로젝트 세부 정보
    구독 이 연습에 사용할 Azure 구독을 선택합니다.
    Resource group 새로 만들기 링크를 선택하고 새 리소스 그룹의 이름을 고유한 이름으로 지정한 다음, 확인을 선택합니다.
    작업 영역 세부 정보
    작업 영역 이름 앱의 고유한 이름을 입력합니다. 예를 들어 <yourname>-machinelearn을 사용할 수 있습니다.
    지역 드롭다운 목록에서 사용 가능한 위치를 선택합니다.

  6. 나머지 기본값을 수락한 다음, 검토 + 만들기를 선택합니다.

  7. 유효성 검사를 통과하면 만들기를 선택합니다.

    몇 분이 걸릴 수 있으므로 작업 영역 리소스가 만들어질 때까지 기다립니다.

  8. 배포가 완료되면 리소스로 이동을 선택합니다. Machine Learning 창이 나타납니다.

  9. Studio 시작을 선택하거나 https://ml.azure.com로 이동하고 Microsoft 계정을 사용하여 로그인합니다. Microsoft Azure Machine Learning 스튜디오 페이지가 나타납니다.

  10. Azure Machine Learning 스튜디오에서 왼쪽 상단의 ☰ 아이콘을 설정/해제하면 메뉴 창을 확장/축소할 수 있습니다. 해당 옵션을 사용하여 작업 영역에서 리소스를 관리할 수 있습니다.

컴퓨팅 인스턴스 생성

이 연습에서 사용된 Notebook을 실행하려면 Azure Machine Learning 작업 영역에 컴퓨팅 인스턴스가 필요합니다.

  1. 왼쪽 메뉴 창의 관리에서 컴퓨팅을 선택합니다. 컴퓨팅 창이 표시됩니다.

  2. 컴퓨팅 인스턴스 탭에서 컴퓨팅 인스턴스를 이미 보유하고 있는 경우 바로 실행합니다. 그렇지 않은 경우 새로 만들기를 선택하여 새로운 컴퓨팅 인스턴스를 생성합니다. 컴퓨팅 인스턴스 만들기 창이 표시됩니다.

  3. 각 설정에 다음 값을 입력합니다.

    • 컴퓨팅 이름: 고유한 이름 입력
    • 가상 머신 유형: CPU
    • 가상 머신 크기: 권장 옵션에서 선택(Standard_DS11_v2)

  4. 만들기를 선택합니다. ‘컴퓨팅 인스턴스’가 나열된 컴퓨팅 창이 다시 나타납니다.

  5. 컴퓨팅 인스턴스가 시작될 때까지 몇 분 정도 걸릴 수 있습니다. 상태 열에서 ‘컴퓨팅 인스턴스’가 실행 중으로 변경됩니다.

ml-basics 리포지토리 복제

이 모듈과 그 외 관련 모듈에서 사용되는 파일은 MicrosoftDocs/ml-basics GitHub 리포지토리에 게시됩니다. 다음 단계를 사용하여 Azure Machine Learning 작업 영역에 리포지토리를 아직 복제하지 않은 경우 복제합니다.

  1. Azure Machine Learning 스튜디오 왼쪽 메뉴에서 작업 영역을 선택한 다음, 목록에서 만든 작업 영역을 선택합니다.

  2. 왼쪽의 작성 제목 아래에서 전자 필기장 링크를 선택하여 Jupyter 전자 필기장을 엽니다. Notebooks 창이 나타납니다.

  3. 오른쪽에서 터미널 단추를 선택합니다. 터미널 셸이 표시됩니다.

  4. 다음 명령을 실행하여 현재 디렉터리를 사용자 디렉터리로 변경하고 이 연습에서 사용할 Notebook과 파일이 포함된 ml-basics 리포지토리를 복제합니다.

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

  5. 명령이 완료되고 파일 체크 아웃이 완료된 다음에는 터미널 탭을 닫고 Jupyter Notebook 파일 탐색기에서 홈페이지를 확인합니다.

  6. 사용자 폴더를 엽니다. 이 폴더에는 이 모듈에 사용할 파일이 포함된 ml-basics 폴더가 있어야 합니다.

참고

Azure Machine Learning 작업 영역에서 Jupyter를 사용하여 이 연습을 진행하는 것이 좋습니다. 이렇게 설정하면 올바른 버전의 Python과 필요한 다양한 패키지가 설치되며 작업 영역을 한 번 생성된 후에 다른 모듈에서 재사용할 수도 있습니다. 본인 컴퓨터의 Python 환경에서 연습을 완료하는 것도 무방합니다. Visual Studio Code를 사용하는 로컬 개발 환경 구성에 대한 자세한 내용은 Running the labs on your own computer(본인 컴퓨터에서 랩 실행)에 있습니다. 이 작업을 수행하도록 선택하는 경우 이 연습의 지침이 Notebook 사용자 인터페이스와 일치하지 않을 수도 있습니다.

심층 신경망 모델 학습

Jupyter 환경을 만들고 ml-basics 리포지토리를 복제하면 딥 러닝에 대해 살펴볼 준비가 된 것입니다.

  1. Jupyter의 ml-basics 폴더에서 프레임워크 기본 설정에 따라 Deep Neural Networks (PyTorch).ipynb 또는 Deep Neural Networks (Tensorflow).ipynb Notebook을 열고 포함된 지침을 따르세요.

  2. 완료되면 모든 Notebook을 닫고 중지합니다.

Notebook 작업을 마치면 이 모듈로 돌아온 후 다음 단원으로 이동하여 더 자세한 내용을 알아보세요.