Oefening: een diep neuraal netwerk trainen

  • 25 minuten

Tot nu toe hebt u in deze module veel geleerd over de theorie en principes van deep learning met neurale netwerken. De beste manier om te leren hoe u deze theorie toepast, is door daadwerkelijk een Deep Learning-model te bouwen, en dat is wat u in deze oefening gaat doen.

Er zijn veel frameworks beschikbaar voor het trainen van deep neurale netwerken. In deze oefening kunt u kiezen of u (of beide) van twee van de populairste deep learning-frameworks voor Python wilt verkennen: PyTorch en TensorFlow.

Voordat u begint

Voor het voltooien van de oefening hebt u het volgende nodig:

  • Een Microsoft Azure-abonnement. Als nog geen abonnement hebt, kunt u zich registreren voor een gratis abonnement op https://azure.microsoft.com/free.
  • Een Azure Machine Learning-werkruimte met een rekenproces en de ml-basics-opslagplaats gekloond.

Notitie

In deze module wordt gebruikgemaakt van een Azure Machine Learning-werkruimte. Als u deze module in voorbereiding op de Azure Datawetenschapper-certificering voltooit, kunt u overwegen om de werkruimte eenmaal te maken en deze in andere modules opnieuw te gebruiken. Nadat u de oefening hebt voltooid, moet u de instructies voor opschonen volgen om rekenresources te stoppen en de werkruimte behouden als u deze opnieuw wilt gebruiken.

Een Azure Machine Learning-werkruimte maken

Als u nog geen Azure Machine Learning-werkruimte in uw Azure-abonnement hebt, volgt u deze stappen om er een te maken:

  1. Meld u aan bij Azure Portal met het Microsoft-account dat is gekoppeld aan uw Azure-abonnement.

  2. Selecteer een resource maken op de startpagina van Azure onder Azure-services. Het deelvenster Een resource maken wordt weergegeven.

  3. Zoek en selecteer Machine Learning in het zoekvak Search-service s en Marketplace. Het deelvenster Azure Machine Learning wordt weergegeven.

  4. Selecteer Maken. Het deelvenster Azure Machine Learning wordt weergegeven.

  5. Voer op het tabblad Basis de volgende waarden in voor elke instelling.

    Instelling Weergegeven als
    Projectgegevens
    Abonnement Selecteer het Azure-abonnement dat u voor deze oefening wilt gebruiken.
    Resourcegroep Selecteer de koppeling Nieuwe maken en geef de nieuwe resourcegroep een unieke naam en selecteer OK.
    Werkruimtegegevens
    Werkruimtenaam Voer een unieke naam in voor uw app. U kunt bijvoorbeeld uwnaam-machinelearn> gebruiken<.
    Regio Selecteer een beschikbare locatie in de vervolgkeuzelijst.

  6. Accepteer de overige standaardwaarden en selecteer Beoordelen en maken.

  7. Nadat de validatie is geslaagd, selecteert u Maken.

    Wacht totdat uw werkruimteresource is gemaakt, omdat het enkele minuten kan duren.

  8. Nadat de implementatie is voltooid, selecteert u Ga naar resource. Het deelvenster Machine learning wordt weergegeven.

  9. Selecteer Start Studio of ga naar https://ml.azure.comen meld u aan met uw Microsoft-account. De pagina Microsoft Azure Machine Learning-studio wordt weergegeven.

  10. Schakel in Azure Machine Learning-studio het pictogram linksboven in om het ☰ menuvenster uit te vouwen of samen te vouwen. U kunt deze opties gebruiken om de resources in uw werkruimte te beheren.

Een rekenproces maken

Als u het notebook wilt uitvoeren dat in deze oefening is gebruikt, hebt u een rekenproces in uw Azure Machine Learning-werkruimte nodig.

  1. Selecteer Compute in het linkermenuvenster onder Beheren. Het deelvenster Compute wordt weergegeven.

  2. Als u al een rekenproces hebt, start u het op het tabblad Rekenexemplaren. Anders maakt u een nieuw rekenproces door Nieuw te selecteren. Het deelvenster Rekenproces maken wordt weergegeven.

  3. Voer de volgende waarden in voor elke instelling:

    • Rekennaam: voer een unieke naam in
    • Type virtuele machine: CPU
    • Grootte van virtuele machine: selecteren uit aanbevolen opties: Standard_DS11_v2

  4. Selecteer Maken. Het deelvenster Compute wordt opnieuw weergegeven met uw rekeninstantie .

  5. Wacht tot het rekenproces is gestart, omdat dit enkele minuten kan duren. Onder de kolom Status wordt uw rekenproces gewijzigd in Actief.

De opslagplaats ml-basics klonen

De bestanden die in deze module en andere gerelateerde modules worden gebruikt, worden gepubliceerd in de GitHub-opslagplaats microsoftDocs/ml-basics . Als u dit nog niet hebt gedaan, gebruikt u de volgende stappen om de opslagplaats te klonen naar uw Azure Machine Learning-werkruimte:

  1. Selecteer Werkruimten in het linkermenu van Azure Machine Learning-studio en selecteer vervolgens de werkruimte die u in de lijst hebt gemaakt.

  2. Selecteer onder de kop Ontwerpen aan de linkerkant de koppeling Notebooks om Jupyter Notebooks te openen. Het deelvenster Notitieblokken wordt weergegeven.

  3. Selecteer de knop Terminal aan de rechterkant. Er wordt een terminalshell weergegeven.

  4. Voer de volgende opdrachten uit om de huidige map te wijzigen in de map Gebruikers en kloon de ml-basics-opslagplaats , die het notebook en de bestanden bevat die u in deze oefening gaat gebruiken.

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

  5. Nadat de opdracht is voltooid en het uitchecken van de bestanden is voltooid, sluit u het terminaltabblad en bekijkt u de startpagina in de Verkenner van uw Jupyter-notebook.

  6. Open de map Gebruikers . Deze map moet een ml-basics-map bevatten met de bestanden die u in deze module gaat gebruiken.

Notitie

We raden u ten zeerste aan Jupyter te gebruiken in een Azure Machine Learning-werkruimte voor deze oefening. Deze installatie zorgt ervoor dat de juiste versie van Python en de verschillende pakketten die u nodig hebt, zijn geïnstalleerd; en nadat u de werkruimte eenmaal hebt gemaakt, kunt u deze opnieuw gebruiken in andere modules. Als u de oefening liever in een Python-omgeving op uw eigen computer wilt voltooien, kunt u dit doen. U vindt informatie over het configureren van een lokale ontwikkelomgeving die gebruikmaakt van Visual Studio Code bij het uitvoeren van de labs op uw eigen computer. Houd er rekening mee dat als u ervoor kiest om dit te doen, de instructies in de oefening mogelijk niet overeenkomen met de gebruikersinterface van uw notitieblokken.

Een deep neural netwerkmodel trainen

Nadat u een Jupyter-omgeving hebt gemaakt en de ml-basics-opslagplaats hebt gekloond, kunt u deep learning verkennen.

  1. Open in Jupyter in de map ml-basics de Deep Neural Networks (PyTorch).ipynb of Deep Neural Networks (Tensorflow).ipynb notebook, afhankelijk van uw frameworkvoorkeur en volg de instructies die het bevat.

  2. Wanneer u klaar bent, sluit u alle notitieblokken en stopt u deze.

Wanneer u klaar bent met het werken via het notebook, gaat u terug naar deze module en gaat u verder met de volgende les voor meer informatie.