Quickstart: Criar recursos de espaço de trabalho que precisa para começar com a Azure Machine Learning

Neste arranque rápido, você vai criar um espaço de trabalho e, em seguida, adicionar recursos computacional ao espaço de trabalho. Terá tudo o que precisa para começar com a Azure Machine Learning.

O espaço de trabalho é o recurso de alto nível para as suas atividades de machine learning, proporcionando um lugar centralizado para ver e gerir os artefactos que cria quando utiliza o Azure Machine Learning. Os recursos computacionais fornecem um ambiente pré-configurado baseado em nuvem que você pode usar para treinar, implantar, automatizar, gerir e rastrear modelos de aprendizagem de máquinas.

Pré-requisitos

Criar o espaço de trabalho

Se já tem um espaço de trabalho, ignore esta secção e continue a criar uma instância computacional.

Se ainda não tem um espaço de trabalho, crie um agora:

  1. Inscreva-se na estúdio do Azure Machine Learning

  2. Selecione Criar espaço de trabalho

  3. Forneça as seguintes informações para configurar o seu novo espaço de trabalho:

    Campo Descrição
    Nome da área de trabalho Insira um nome único que identifique o seu espaço de trabalho. Os nomes devem ser únicos em todo o grupo de recursos. Use um nome que seja fácil de recordar e diferenciar dos espaços de trabalho criados por outros. O nome do espaço de trabalho é insensível a caso.
    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 detém recursos relacionados para uma solução Azure. Precisa de um colaborador ou de um papel proprietário para utilizar um grupo de recursos existente. Para obter mais informações sobre o acesso, consulte Gerir o acesso a um espaço de trabalho Azure Machine Learning.
    Região Selecione a região Azure mais próxima dos seus utilizadores e os recursos de dados para criar o seu espaço de trabalho.
  4. Selecione Criar para criar o espaço de trabalho

Nota

Isto cria um espaço 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 a portal do Azure em vez disso.

Criar instância computacional

Pode instalar o Azure Machine Learning no seu próprio computador. Mas neste quickstart, você vai criar um recurso compute on-line que tem um ambiente de desenvolvimento já instalado e pronto para ir. Você usará esta máquina on-line, uma instância computacional, para o seu ambiente de desenvolvimento para escrever e executar código em scripts Python e cadernos Jupyter.

Crie uma instância computacional para usar este ambiente de desenvolvimento para o resto dos tutoriais e quickstarts.

  1. Se não criou apenas um espaço de trabalho na secção anterior, inscreva-se para estúdio do Azure Machine Learning agora e selecione o seu espaço de trabalho.
  2. No lado esquerdo, selecione Compute.
  3. Selecione +Novo para criar uma nova instância de computação.
  4. Forneça um nome, mantenha todos os predefinidos na primeira página.
  5. Selecione Criar.

Em cerca de dois minutos, verá o Estado do computacional mudar de Criação para Execução. Está pronto para ir.

Criar clusters de cálculo

Em seguida, criará um cluster de cálculo. Os clusters permitem-lhe distribuir um processo de treino ou inferência de lote através de um conjunto de nós de cálculo cpu ou GPU na nuvem.

Crie um cluster computacional que irá autodimensionar entre zero e quatro nós:

  1. Ainda na secção Compute , no separador superior, selecione clusters Compute.
  2. Selecione +Novo para criar um novo cluster de computação.
  3. Mantenha todos os predefinidos na primeira página, selecione Seguinte. Se não vir nenhum cálculo disponível, terá de solicitar um aumento de quota. Saiba mais sobre gerir e aumentar as quotas.
  4. Nomeie o cluster cpu-cluster. Se este nome já existir, adicione as suas iniciais ao nome para torná-lo único.
  5. Deixe o número mínimo de nós a 0.
  6. Altere o número máximo de nós para 4, se possível. Dependendo das suas definições, pode ter um limite menor.
  7. Mude o marcha lentamente para 2400.
  8. Deixe o resto dos predefinidos e selecione Criar.

Em menos de um minuto, o Estado do cluster mudará de Criar para Ser Bem Sucedido. A lista mostra o aglomerado de computação aprovisionado, juntamente com o número de nós ociosos, nós ocupados e nós não protegidos. Como ainda não usaste o cluster, todos os nós não estão atualmente não divulgados.

Nota

Quando o cluster for criado, terá 0 nós a provisionados. O cluster não incorre em custos até que você apresente um emprego. Este cluster irá reduzir-se quando estiver inativo durante 2.400 segundos (40 minutos). Isto lhe dará tempo para usá-lo em alguns tutoriais, se desejar sem esperar que volte a escalar.

Visita rápida ao estúdio

O estúdio é o seu portal web para Azure Machine Learning. Este portal combina experiências sem código e código para uma plataforma inclusiva de ciência de dados.

Reveja as partes do estúdio na barra de navegação à esquerda:

  • A secção autor do estúdio contém várias formas de começar a criar modelos de machine learning. Pode:

    • A secção de cadernos permite-lhe criar cadernos Jupyter, copiar cadernos de amostras e executar cadernos e scripts Python.
    • ML automatizado passa pela criação de um modelo de aprendizagem automática sem código de escrita.
    • O designer dá-lhe uma forma de construir modelos com componentes pré-construídos.
  • A secção de Ativos do estúdio ajuda-o a acompanhar os ativos que cria à medida que gere os seus empregos. Se tiver um novo espaço de trabalho, não há nada em nenhuma destas secções ainda.

  • Já usou a secção Manage do estúdio para criar os seus recursos de computação. Esta secção também permite criar e gerir dados e serviços externos que liga ao seu espaço de trabalho.

Diagnóstico da área de trabalho

Você pode executar diagnósticos no seu espaço de trabalho a partir de estúdio do Azure Machine Learning ou do Python SDK. Após a execução dos diagnósticos, é devolvida uma lista de quaisquer problemas detetados. Esta lista inclui links para possíveis soluções. Para obter mais informações, consulte Como utilizar diagnósticos de espaço de trabalho.

Limpar os recursos

Se pretende continuar agora para o próximo tutorial, salte para os próximos passos.

Parar o caso de computação

Se não vai usá-lo agora, pare a instância de computação:

  1. No estúdio, à esquerda, selecione Compute.
  2. Nos separadores superiores, selecione Instâncias computativas
  3. Selecione a instância de cálculo na lista.
  4. Na barra de ferramentas superior, selecione Stop.

Eliminar todos os recursos

Importante

Os recursos que criou podem ser usados como pré-requisitos para outros tutoriais de Aprendizagem automática Azure e artigos de como fazer.

Se não pretender utilizar nenhum dos recursos que criou, elimine-os para não incorrer em quaisquer encargos:

  1. No portal do Azure, selecione Grupos de recursos na extremidade esquerda.

  2. Na lista, selecione o grupo de recursos que criou.

  3. Selecione Eliminar grupo de recursos.

    Captura de ecrã a mostrar as seleções para eliminar um grupo de recursos no portal do Azure.

  4. Introduza o nome do grupo de recursos. Em seguida, selecione Eliminar.

Passos seguintes

Você agora tem um espaço de trabalho Azure Machine Learning que contém:

  • Um caso de computação para usar para o seu ambiente de desenvolvimento.
  • Um cluster de cálculo para usar para a submissão de treinos.

Use estes recursos para aprender mais sobre Azure Machine Learning e treine um modelo com scripts Python.