Ćwiczenie — trenowanie głębokiej sieci neuronowej
Do tej pory w tym module omówiono teorię i zasady uczenia głębokiego za pomocą sieci neuronowych. Najlepszym sposobem, aby dowiedzieć się, jak zastosować tę teorię, jest utworzenie modelu uczenia głębokiego i to właśnie zrobisz w tym ćwiczeniu.
Istnieje wiele platform dostępnych do trenowania głębokich sieci neuronowych. W tym ćwiczeniu możesz wybrać eksplorowanie (lub obu) dwóch z najpopularniejszych platform uczenia głębokiego dla języka Python: PyTorch i TensorFlow.
Przed rozpoczęciem
Do ukończenia ćwiczenia potrzebne są następujące elementy:
- Subskrypcja platformy Microsoft Azure. Jeśli jej jeszcze nie masz, możesz zarejestrować się w celu uzyskania bezpłatnej wersji próbnej na stronie https://azure.microsoft.com/free.
- Obszar roboczy usługi Azure Machine Edukacja z wystąpieniem obliczeniowym i sklonowanym repozytorium ml-basics.
Uwaga
Ten moduł korzysta z obszaru roboczego usługi Azure Machine Edukacja. Jeśli ukończysz ten moduł w ramach przygotowań do certyfikacji usługi Azure badacze dancyh, rozważ utworzenie obszaru roboczego raz i ponowne użycie go w innych modułach. Po zakończeniu ćwiczenia postępuj zgodnie z instrukcjami czyszczenia , aby zatrzymać zasoby obliczeniowe i zachować obszar roboczy, jeśli planujesz go ponownie użyć.
Tworzenie obszaru roboczego usługi Azure Machine Learning
Jeśli nie masz jeszcze obszaru roboczego usługi Azure Machine Edukacja w ramach subskrypcji platformy Azure, wykonaj następujące kroki, aby je utworzyć:
Zaloguj się w witrynie Azure Portal przy użyciu konta Microsoft skojarzonego z subskrypcją platformy Azure.
Na stronie głównej platformy Azure w obszarze Usługi platformy Azure wybierz pozycję Utwórz zasób. Zostanie wyświetlone okienko Tworzenie zasobu .
W polu wyszukiwania usługa wyszukiwania i witryny Marketplace wyszukaj i wybierz pozycję Edukacja maszyny. Zostanie wyświetlone okienko usługi Azure Machine Edukacja.
Wybierz pozycję Utwórz. Zostanie wyświetlone okienko usługi Azure Machine Edukacja.
Na karcie Podstawy wprowadź następujące wartości dla każdego ustawienia.
Ustawienie Wartość Szczegóły projektu Subskrypcja Wybierz subskrypcję platformy Azure, której chcesz użyć w tym ćwiczeniu. Grupa zasobów Wybierz link Utwórz nową i nadaj nowej grupie zasobów nazwę unikatową, a następnie wybierz przycisk OK. Szczegóły obszaru roboczego Nazwa obszaru roboczego Wprowadź unikatową nazwę aplikacji. Możesz na przykład użyć <nazwy_>maszyny_maszynowej. Region (Region) Z listy rozwijanej wybierz dowolną dostępną lokalizację. Zaakceptuj pozostałe wartości domyślne i wybierz pozycję Przejrzyj i utwórz.
Po zakończeniu walidacji wybierz pozycję Utwórz.
Poczekaj na utworzenie zasobu obszaru roboczego, ponieważ może upłynąć kilka minut.
Po zakończeniu wdrażania wybierz pozycję Przejdź do zasobu. Pojawi się okienko uczenia maszynowego.
Wybierz pozycję Uruchom studio lub przejdź do https://ml.azure.comstrony i zaloguj się przy użyciu konta Microsoft. Zostanie wyświetlona strona microsoft Azure Machine Edukacja Studio.
W usłudze Azure Machine Edukacja Studio przełącz ikonę ☰ w lewym górnym rogu, aby przyspieszyć/zwinąć okienko menu. Za pomocą tych opcji można zarządzać zasobami w obszarze roboczym.
Tworzenie wystąpienia obliczeniowego
Do uruchomienia notesu używanego w tym ćwiczeniu potrzebne będzie wystąpienie obliczeniowe w obszarze roboczym usługi Azure Machine Learning.
W okienku menu po lewej stronie w obszarze Zarządzanie wybierz pozycję Obliczenia. Zostanie wyświetlone okienko Obliczenia .
Na karcie Wystąpienia obliczeniowe, jeśli masz już wystąpienie obliczeniowe, uruchom je. W przeciwnym razie utwórz nowe wystąpienie obliczeniowe, wybierając pozycję Nowy. Zostanie wyświetlone okienko Tworzenie wystąpienia obliczeniowego.
Wprowadź następujące wartości dla każdego ustawienia:
- Nazwa zasobu obliczeniowego: wprowadź unikatową nazwę
- Typ maszyny wirtualnej: procesor CPU
- Rozmiar maszyny wirtualnej: wybierz spośród zalecanych opcji: Standard_DS11_v2
Wybierz pozycję Utwórz. Okienko Obliczenia pojawia się ponownie z wyświetlonym wystąpieniem obliczeniowym.
Poczekaj na uruchomienie wystąpienia obliczeniowego, ponieważ może to potrwać kilka minut. W kolumnie State (Stan) wystąpienie obliczeniowe zmieni się na Uruchomione.
Klonowanie repozytorium ml-basics
Pliki używane w tym module i inne powiązane moduły są publikowane w repozytorium GitHub MicrosoftDocs/ml-basics . Jeśli jeszcze tego nie zrobiono, wykonaj następujące kroki, aby sklonować repozytorium do obszaru roboczego usługi Azure Machine Edukacja:
Wybierz pozycję Obszary robocze w menu po lewej stronie programu Azure Machine Edukacja Studio, a następnie wybierz obszar roboczy utworzony na liście.
W obszarze nagłówka Tworzenie po lewej stronie wybierz link Notesy, aby otworzyć notesy Jupyter Notebooks. Zostanie wyświetlone okienko Notesy .
Wybierz przycisk Terminal po prawej stronie. Zostanie wyświetlona powłoka terminalu.
Uruchom następujące polecenia, aby zmienić bieżący katalog na katalog Users i sklonować repozytorium ml-basics , które zawiera notes i pliki, których użyjesz w tym ćwiczeniu.
cd Users git clone https://github.com/microsoftdocs/ml-basicsPo zakończeniu polecenia i zakończeniu wyewidencjonowania plików zamknij kartę terminalu i wyświetl stronę główną w Eksploratorze plików notesu Jupyter.
Otwórz folder Users — powinien zawierać folder ml-basics zawierający pliki, których będziesz używać w tym module.
Uwaga
Zdecydowanie zalecamy używanie programu Jupyter w obszarze roboczym usługi Azure Machine Edukacja na potrzeby tego ćwiczenia. Ta konfiguracja gwarantuje, że zainstalowano poprawną wersję języka Python i różne potrzebne pakiety; i po utworzeniu obszaru roboczego raz możesz użyć go ponownie w innych modułach. Jeśli wolisz wykonać ćwiczenie w środowisku języka Python na własnym komputerze, możesz to zrobić. Szczegółowe informacje dotyczące konfigurowania lokalnego środowiska programistycznego korzystającego z programu Visual Studio Code znajdziesz na stronie Uruchamianie laboratoriów na własnym komputerze. Pamiętaj, że jeśli zdecydujesz się to zrobić, instrukcje w ćwiczeniu mogą nie być zgodne z interfejsem użytkownika notesów.
Trenowanie głębokiego modelu sieci neuronowej
Po utworzeniu środowiska Jupyter i sklonowanym repozytorium ml-basics możesz zapoznać się z uczeniem głębokim.
W programie Jupyter w folderze ml-basics otwórz notes Deep Neural Networks (PyTorch).ipynb lub Deep Neural Networks (Tensorflow).ipynb notebook, w zależności od preferencji platformy, i postępuj zgodnie z instrukcjami, które zawiera.
Po zakończeniu zamknij i zatrzymaj wszystkie notesy.
Po zakończeniu pracy z notesem wróć do tego modułu i przejdź do następnej lekcji, aby dowiedzieć się więcej.