Samouczek: tworzenie zasobów, które należy rozpocząć

W tym samouczku utworzysz zasoby potrzebne do rozpoczęcia pracy z usługą Azure Machine Learning.

• Obszar roboczy. Aby korzystać z usługi Azure Machine Learning, potrzebny jest obszar roboczy. Obszar roboczy to centralne miejsce do wyświetlania wszystkich tworzonych artefaktów i zasobów oraz zarządzania nimi.
• Wystąpienie obliczeniowe. Wystąpienie obliczeniowe to wstępnie skonfigurowany zasób przetwarzania w chmurze, którego można użyć do trenowania, automatyzowania i śledzenia modeli uczenia maszynowego oraz zarządzania nimi. Wystąpienie obliczeniowe to najszybszy sposób rozpoczęcia korzystania z zestawów SDK i interfejsów WIERSZA polecenia usługi Azure Machine Learning. Służy do uruchamiania notesów Jupyter i skryptów języka Python w pozostałych samouczkach.

W tym samouczku utworzysz zasoby w usłudze Azure Machine Learning Studio.

Obszar roboczy można również utworzyć przy użyciu witryny Azure Portal lub zestawu SDK, interfejsu wiersza polecenia, programu Azure PowerShell lub rozszerzenia programu Visual Studio Code.

Aby uzyskać inne sposoby tworzenia wystąpienia obliczeniowego, zobacz Tworzenie wystąpienia obliczeniowego.

W tym filmie wideo pokazano, jak utworzyć obszar roboczy i wystąpienie obliczeniowe w usłudze Azure Machine Learning Studio. Kroki zostały również opisane w poniższych sekcjach.

Wymagania wstępne

• Konto platformy Azure z aktywną subskrypcją. Utwórz konto bezpłatnie.

Tworzenie obszaru roboczego

Obszar roboczy to zasób najwyższego poziomu dla działań uczenia maszynowego, który zapewnia scentralizowane miejsce do wyświetlania artefaktów tworzonych podczas korzystania z usługi Azure Machine Learning i zarządzania nimi.

Jeśli masz już obszar roboczy, pomiń tę sekcję i przejdź do sekcji Tworzenie wystąpienia obliczeniowego.

Jeśli jeszcze nie masz obszaru roboczego, utwórz go teraz:

1. Zaloguj się do usługi Azure Machine Learning Studio.

2. Wybierz pozycję Utwórz obszar roboczy.

3. Podaj następujące informacje, aby skonfigurować nowy obszar roboczy:

   Pole	opis
   Nazwa obszaru roboczego	Wprowadź unikatową nazwę identyfikującą obszar roboczy. Nazwy muszą być unikatowe w grupie zasobów. Użyj nazwy, która jest łatwa do przywoływania i rozróżniania obszarów roboczych utworzonych przez inne osoby. Nazwa obszaru roboczego jest niewrażliwa na wielkość liter.
   Przyjazna nazwa	Ta nazwa nie jest ograniczona przez reguły nazewnictwa platformy Azure. W tej nazwie można używać spacji i znaków specjalnych.
   Piasta	Centrum umożliwia grupowanie powiązanych obszarów roboczych i udostępnianie zasobów. Jeśli masz dostęp do centrum, wybierz go tutaj. Jeśli nie masz dostępu do centrum, pozostaw to pole puste.

4. Jeśli nie wybrano centrum, podaj ustawienia zaawansowane. Jeśli wybrano koncentrator, te wartości są pobierane z centrum.

   Pole	opis
   Subskrypcja	Wybierz subskrypcję platformy Azure, której chcesz użyć.
   Grupa zasobów	Użyj istniejącej grupy zasobów w subskrypcji lub wprowadź nazwę, aby utworzyć nową. Grupa zasobów zawiera powiązane zasoby dla rozwiązania platformy Azure. Aby użyć istniejącej grupy zasobów, potrzebna jest rola Współautor lub Właściciel. Aby uzyskać więcej informacji na temat dostępu, zobacz Zarządzanie dostępem do obszaru roboczego usługi Azure Machine Learning.
   Region (Region)	Wybierz region świadczenia usługi Azure najbliżej Twoich użytkowników i danych, aby utworzyć obszar roboczy.

5. Wybierz pozycję Utwórz , aby utworzyć obszar roboczy.

Uwaga

Spowoduje to utworzenie obszaru roboczego wraz ze wszystkimi wymaganymi zasobami. Jeśli chcesz dostosować więcej, zamiast tego użyj witryny Azure Portal . Aby uzyskać więcej informacji, zobacz Tworzenie obszaru roboczego .

Tworzenie wystąpienia obliczeniowego

Wystąpienie obliczeniowe służy do uruchamiania notesów Jupyter i skryptów języka Python w pozostałych samouczkach. Jeśli jeszcze nie masz wystąpienia obliczeniowego, utwórz je teraz:

1. Wybierz obszar roboczy.

2. W prawym górnym rogu wybierz pozycję Nowy.

3. Wybierz pozycję Wystąpienie obliczeniowe na liście.

   

4. Podaj nazwę.

5. Zachowaj wartości domyślne pozostałej części strony, chyba że zasady organizacji wymagają różnych ustawień.

6. Wybierz pozycję Przejrzyj i utwórz.

7. Wybierz pozycję Utwórz.

Krótki przewodnik po studio

Studio to portal internetowy usługi Azure Machine Learning. Łączy ona środowiska bez kodu i kodu dla inkluzywnej platformy nauki o danych.

Przejrzyj części studia na pasku nawigacyjnym po lewej stronie:

• Sekcja Tworzenie w programie Studio zawiera wiele sposobów rozpoczęcia tworzenia modeli uczenia maszynowego. Masz następujące możliwości:

  • Notesy umożliwiają tworzenie notesów Jupyter, kopiowanie przykładowych notesów oraz uruchamianie notesów i skryptów języka Python.
  • Zautomatyzowane uczenie maszynowe przeprowadzi Cię przez proces tworzenia modelu uczenia maszynowego bez pisania kodu.
  • Projektant udostępnia metodę przeciągania i upuszczania do kompilowania modeli przy użyciu wstępnie utworzonych składników.

• Sekcja Zasoby ułatwia śledzenie zasobów tworzonych podczas uruchamiania zadań. W nowym obszarze roboczym te sekcje są puste.

• Sekcja Zarządzanie umożliwia tworzenie usług obliczeniowych i zewnętrznych połączonych z obszarem roboczym oraz zarządzanie nimi. Możesz również utworzyć projekt etykietowania danych i zarządzać nim tutaj.

Nauka na podstawie przykładowych notesów

Skorzystaj z przykładowych notesów dostępnych w programie Studio, aby dowiedzieć się, jak trenować i wdrażać modele. Odwołuje się do nich wiele innych artykułów i samouczków.

1. W obszarze nawigacji po lewej stronie wybierz pozycję Notesy.
2. W górnej części wybierz pozycję Przykłady.

• Użyj notesów w folderze SDK w wersji 2 , aby użyć przykładów korzystających z bieżącego zestawu SDK (wersja 2).
• Te notesy są tylko do odczytu i są okresowo aktualizowane.
• Po otwarciu notesu wybierz pozycję Sklonuj ten notes u góry, aby dodać kopię i wszystkie skojarzone pliki do plików. W sekcji Pliki zostanie utworzony nowy folder.

Tworzenie nowego notesu

Podczas klonowania notesu z przykładów kopia jest dodawana do plików i można rozpocząć jego uruchamianie lub modyfikowanie. Wiele samouczków odzwierciedla te przykładowe notesy.

Możesz również utworzyć nowy, pusty notes, a następnie skopiować i wkleić do niego kod z samouczka. Aby to zrobić:

1. W sekcji Notesy wybierz pozycję Pliki , aby wrócić do plików.

2. Wybierz, + aby dodać pliki.

3. Wybierz pozycję Utwórz nowy plik.

   

Czyszczenie zasobów

Jeśli planujesz teraz kontynuować korzystanie z innych samouczków, przejdź do sekcji Następny krok.

Zatrzymywanie wystąpienia obliczeniowego

Jeśli nie zamierzasz go teraz używać, zatrzymaj wystąpienie obliczeniowe:

1. W programie Studio w menu po lewej stronie wybierz pozycję Obliczenia.
2. Na pierwszych kartach wybierz pozycję Wystąpienia obliczeniowe.
3. Wybierz wystąpienie obliczeniowe na liście.
4. Na górnym pasku narzędzi wybierz pozycję Zatrzymaj.

Usuwanie wszystkich zasobów

Ważne

Utworzone zasoby mogą być używane jako wymagania wstępne w innych samouczkach usługi Azure Machine Learning i artykułach z instrukcjami.

Jeśli nie planujesz korzystać z żadnych utworzonych zasobów, usuń je, aby nie ponosić żadnych opłat:

1. W witrynie Azure Portal w polu wyszukiwania wprowadź ciąg Grupy zasobów i wybierz je z wyników.

2. Z listy wybierz utworzoną grupę zasobów.

3. Na stronie Przegląd wybierz pozycję Usuń grupę zasobów.

   

4. Wpisz nazwę grupy zasobów. Następnie wybierz Usuń.

Następny krok

Masz teraz obszar roboczy usługi Azure Machine Learning, który zawiera wystąpienie obliczeniowe dla środowiska projektowego.

Kontynuuj, aby dowiedzieć się, jak używać wystąpienia obliczeniowego do uruchamiania notesów i skryptów w usłudze Azure Machine Learning.

Szybki start: poznawanie usługi Azure Machine Learning

Użyj wystąpienia obliczeniowego z poniższymi samouczkami, aby wytrenować i wdrożyć model.

Samouczek	opis
Przekazywanie, uzyskiwanie dostępu i eksplorowanie danych w usłudze Azure Machine Learning	Przechowywanie dużych danych w chmurze i pobieranie ich z notesów i skryptów.
Tworzenie modeli na stacji roboczej w chmurze	Rozpocznij tworzenie prototypów i opracowywanie modeli uczenia maszynowego.
Trenowanie modelu w usłudze Azure Machine Learning	Szczegółowe informacje na temat trenowania modelu.
Wdrażanie modelu jako punktu końcowego online	Szczegółowe informacje na temat wdrażania modelu.
Tworzenie produkcyjnych potoków uczenia maszynowego	Podziel pełne zadanie uczenia maszynowego na wieloetapowy przepływ pracy.

Chcesz wskoczyć w prawo? Przeglądaj przykłady kodu.