Início Rápido: Criar recursos da área de trabalho necessários para começar a utilizar o Azure Machine Learning
Neste início rápido, irá criar uma área de trabalho e, em seguida, adicionar recursos de computação à área de trabalho. Em seguida, terá tudo o que precisa para começar a utilizar o Azure Machine Learning.
A área de trabalho é o recurso de nível superior para as suas atividades de machine learning, fornecendo um local centralizado para ver e gerir os artefactos que cria quando utiliza o Azure Machine Learning. Os recursos de computação fornecem um ambiente baseado na cloud pré-configurado que pode utilizar para preparar, implementar, automatizar, gerir e controlar modelos de machine learning.
Pré-requisitos
- Uma conta do Azure com uma subscrição ativa. Crie uma conta gratuitamente.
Crie a área de trabalho
Se já tiver uma área de trabalho, ignore esta secção e continue a Criar uma instância de computação.
Se ainda não tiver uma área de trabalho, crie uma agora:
Iniciar sessão no estúdio do Azure Machine Learning
Selecione Criar área de trabalho
Forneça as seguintes informações para configurar a sua nova área de trabalho:
Campo Descrição Nome da área de trabalho Introduza um nome exclusivo que identifique a área de trabalho. Os nomes têm de ser exclusivos em todo o grupo de recursos. Utilize um nome que seja fácil de recordar e diferenciar das áreas de trabalho criadas por outras pessoas. O nome da área de trabalho não é sensível a maiúsculas e minúsculas. Subscrição Selecione a subscrição do Azure que pretende utilizar. Grupo de recursos Utilize um grupo de recursos já existente na sua subscrição ou introduza um nome para criar um grupo de recursos novo. Um grupo de recursos contém recursos relacionados para uma solução do Azure. Precisa da função de contribuidor ou proprietário para utilizar um grupo de recursos existente. Para obter mais informações sobre o acesso, veja Gerir o acesso a uma área de trabalho do Azure Machine Learning. Região Selecione a região do Azure mais próxima dos seus utilizadores e os recursos de dados para criar a sua área de trabalho. Selecione Criar para criar a área de trabalho
Nota
Esta ação cria uma área de trabalho juntamente com todos os recursos necessários. Se quiser reutilizar recursos, como Conta de Armazenamento, Azure Container Registry, Azure KeyVault ou Application Insights, utilize o portal do Azure.
Criar instância de computação
Pode instalar o Azure Machine Learning no seu próprio computador. Mas neste início rápido, irá criar um recurso de computação online que tem um ambiente de desenvolvimento já instalado e pronto para começar. Irá utilizar esta máquina online, uma instância de computação, para que o seu ambiente de desenvolvimento escreva e execute código em scripts Python e blocos de notas do Jupyter.
Crie uma instância de computação para utilizar este ambiente de desenvolvimento para os restantes tutoriais e inícios rápidos.
Se não tiver criado apenas uma área de trabalho na secção anterior, inicie sessão em estúdio do Azure Machine Learning agora e selecione a área de trabalho.
No lado esquerdo, selecione Computação.
Selecione +Novo para criar uma nova instância de computação.
Forneça um nome, Mantenha todas as predefinições na primeira página.
Selecione Criar.
Em cerca de dois minutos, verá o Estado da instância de computação mudar de Criar para Em Execução. Agora está pronto para ir.
Criar clusters de computação
Em seguida, irá criar um cluster de computação. Irá submeter código a este cluster para distribuir os seus processos de inferência em lotes ou de preparação através de um cluster de nós de computação de CPU ou GPU na cloud.
Crie um cluster de computação que dimensionará automaticamente entre zero e quatro nós:
- Ainda na secção Computação , no separador superior, selecione Clusters de computação.
- Selecione +Novo para criar um novo cluster de computação.
- Mantenha todas as predefinições na primeira página, selecione Seguinte. Se não vir nenhuma computação disponível, terá de pedir um aumento de quota. Saiba mais sobre como gerir e aumentar quotas.
- Atribua um nome ao cluster cpu-cluster. Se este nome já existir, adicione as suas iniciais ao nome para torná-lo exclusivo.
- Deixe o número mínimo de nós em 0.
- Altere o número máximo de nós para 4, se possível. Consoante as definições, poderá ter um limite menor.
- Altere os Segundos inativos antes de reduzir verticalmente para 2400.
- Deixe o resto das predefinições e selecione Criar.
Em menos de um minuto, o Estado do cluster mudará de Criar para Com Êxito. A lista mostra o cluster de computação aprovisionado, juntamente com o número de nós inativos, nós ocupados e nós não aprovisionados. Uma vez que ainda não utilizou o cluster, todos os nós estão atualmente não aprovisionados.
Nota
Quando o cluster for criado, terá 0 nós aprovisionados. O cluster não incorre em custos até submeter uma tarefa. Este cluster reduzirá verticalmente quando estiver inativo durante 2400 segundos (40 minutos). Isto irá dar-lhe tempo para utilizá-lo em alguns tutoriais se quiser sem esperar que este aumente verticalmente.
Visita rápida ao estúdio
O estúdio é o portal Web do Azure Machine Learning. Este portal combina experiências sem código e code-first para uma plataforma de ciência de dados inclusiva.
Reveja as partes do estúdio na barra de navegação esquerda:
A secção Criação do estúdio contém várias formas de começar a criar modelos de machine learning. Pode:
- A secção Blocos de Notas permite-lhe criar Blocos de Notas do Jupyter, copiar blocos de notas de exemplo e executar blocos de notas e scripts Python.
- O ML automatizado explica como criar um modelo de machine learning sem escrever código.
- O Estruturador dá-lhe uma forma de arrastar e largar para criar modelos com componentes pré-criados.
A secção Recursos do estúdio ajuda-o a controlar os recursos que cria à medida que executa as suas tarefas. Se tiver uma nova área de trabalho, ainda não existe nada nestas secções.
Já utilizou a secção Gerir do estúdio para criar os seus recursos de computação. Esta secção também lhe permite criar e gerir dados e serviços externos que liga à sua área de trabalho.
Diagnóstico da área de trabalho
Pode executar diagnósticos na área de trabalho a partir de estúdio do Azure Machine Learning ou do SDK Python. Após a execução do diagnóstico, é devolvida uma lista de quaisquer problemas detetados. Esta lista inclui ligações para possíveis soluções. Para obter mais informações, veja Como utilizar diagnósticos de áreas de trabalho.
Limpar os recursos
Se pretender continuar agora para o próximo tutorial, avance para Os passos seguintes.
Parar instância de computação
Se não o utilizar agora, pare a instância de computação:
- No estúdio, à esquerda, selecione Computação.
- Nos separadores superiores, selecione Instâncias de computação
- Selecione a instância de computação na lista.
- Na barra de ferramentas superior, selecione Parar.
Eliminar todos os recursos
Importante
Os recursos que criou podem ser utilizados como pré-requisitos para outros tutoriais e artigos de procedimentos do Azure Machine Learning.
Se não planear utilizar nenhum dos recursos que criou, elimine-os para não incorrer em custos:
No portal do Azure, selecione Grupos de recursos na extremidade esquerda.
Na lista, selecione o grupo de recursos que criou.
Selecione Eliminar grupo de recursos.
Introduza o nome do grupo de recursos. Em seguida, selecione Eliminar.
Passos seguintes
Tem agora uma área de trabalho do Azure Machine Learning que contém:
- Uma instância de computação a utilizar para o seu ambiente de desenvolvimento.
- Um cluster de computação a utilizar para submeter execuções de preparação.
Utilize estes recursos para saber mais sobre o Azure Machine Learning e preparar um modelo com scripts Python.