Exercício - Treine uma rede neural profunda

Concluído

Até agora, neste módulo, você aprendeu muito sobre a teoria e os princípios da aprendizagem profunda com redes neurais. A melhor maneira de aprender a aplicar essa teoria é realmente construir um modelo de aprendizagem profunda, e é isso que você fará neste exercício.

Existem muitos frameworks disponíveis para treinar redes neurais profundas, e neste exercício você pode optar por explorar um (ou ambos) de dois dos frameworks de aprendizado profundo mais populares para Python: PyTorch e TensorFlow.

Antes de começar

Para completar o exercício, você precisará:

  • Uma subscrição do Microsoft Azure. Se ainda não tiver uma, pode inscrever-se numa avaliação gratuita em https://azure.microsoft.com/free.
  • Um espaço de trabalho do Azure Machine Learning com uma instância de computação e o repositório ml-basics clonado.

Nota

Este módulo usa um espaço de trabalho do Azure Machine Learning. Se você estiver concluindo este módulo em preparação para a certificação do Cientista de Dados do Azure, considere criar o espaço de trabalho uma vez e reutilizá-lo em outros módulos. Depois de concluir o exercício, siga as instruções de limpeza para interromper os recursos de computação e manter o espaço de trabalho se você planeja reutilizá-lo.

Criar uma área de trabalho do Azure Machine Learning

Se você ainda não tiver um espaço de trabalho do Azure Machine Learning em sua assinatura do Azure, siga estas etapas para criar um:

  1. Inicie sessão no portal do Azure com a conta Microsoft associada à subscrição do Azure.

  2. Na Home page do Azure, em Serviços do Azure, selecione Criar um recurso. O painel Criar um recurso é exibido.

  3. Na caixa de pesquisa Serviços de pesquisa e marketplace , procure e selecione Machine Learning. O painel Azure Machine Learning é exibido.

  4. Selecione Criar. O painel Azure Machine Learning é exibido.

  5. Na guia Noções básicas, insira os seguintes valores para cada configuração.

    Definição valor
    Detalhes do Projeto
    Subscrição Selecione a assinatura do Azure que você gostaria de usar para este exercício.
    Grupo de recursos Selecione o link Criar novo, nomeie o novo grupo de recursos com um nome exclusivo e selecione OK.
    Detalhes da área de trabalho
    Nome da área de trabalho Insira um nome exclusivo para seu aplicativo. Por exemplo, você pode usar <yourname-machinelearn>.
    País/Região Na lista suspensa, selecione qualquer local disponível.
  6. Aceite os padrões restantes e selecione Revisar + criar.

  7. Depois que a validação for aprovada, selecione Criar.

    Aguarde até que o recurso do espaço de trabalho seja criado, pois pode levar alguns minutos.

  8. Após a conclusão da implementação, selecione Ir para recurso. O painel Aprendizado de máquina é exibido.

  9. Selecione Iniciar estúdio ou aceda a , e inicie sessão com a https://ml.azure.comsua conta Microsoft. A página do estúdio de Aprendizado de Máquina do Microsoft Azure é exibida.

  10. No estúdio do Azure Machine Learning, alterne o ícone no canto superior esquerdo para expurar/recolher seu painel de menu. Você pode usar essas opções para gerenciar os recursos em seu espaço de trabalho.

Criar uma instância de computação

Para executar o bloco de notas utilizado neste exercício, precisará de uma instância de computação na área do Azure Machine Learning.

  1. No painel de menu esquerdo, em Gerir, selecione Computação. O painel Computação é exibido.

  2. Na guia Instâncias de computação, se você já tiver uma instância de computação , inicie-a, caso contrário, crie uma nova instância de computação selecionando Novo. O painel Criar instância de computação é exibido.

  3. Insira os seguintes valores para cada configuração:

    • Nome da computação: introduza um nome exclusivo
    • Tipo de máquina virtual: CPU
    • Tamanho da máquina virtual: selecione entre as opções recomendadas: Standard_DS11_v2
  4. Selecione Criar. O painel Computação reaparece com sua instância de Computação listada.

  5. Aguarde até que a instância de computação seja iniciada, pois isso pode levar alguns minutos. Na coluna Estado, sua instância Compute será alterada para Running.

Clone o repositório ml-basics

Os arquivos usados neste módulo, e outros módulos relacionados, são publicados no repositório GitHub MicrosoftDocs/ml-basics . Se ainda não tiver feito isso, use as seguintes etapas para clonar o repositório em seu espaço de trabalho do Azure Machine Learning:

  1. Selecione Espaços de trabalho no menu esquerdo do estúdio do Azure Machine Learning e, em seguida, selecione o espaço de trabalho que criou na lista.

  2. No título Criação à esquerda, selecione o link Blocos de Anotações para abrir os Blocos de Anotações Jupyter. O painel Blocos de Anotações é exibido.

  3. Selecione o botão Terminal à direita. Um shell de terminal é exibido.

  4. Execute os comandos a seguir para alterar o diretório atual para o diretório Users e clone o repositório ml-basics, que contém o bloco de anotações e os arquivos que você usará neste exercício.

    cd Users
    git clone https://github.com/microsoftdocs/ml-basics
    
  5. Depois que o comando for concluído e o check-out dos arquivos for concluído, feche a guia do terminal e visualize a página inicial no explorador de arquivos do seu bloco de anotações Jupyter.

  6. Abra a pasta Usuários - ela deve conter uma pasta ml-basics , contendo os arquivos que você usará neste módulo.

Nota

É altamente recomendável usar o Jupyter em um espaço de trabalho do Azure Machine Learning para este exercício. Esta configuração garante que a versão correta do Python e os vários pacotes que você precisará estão instalados; e depois de criar o espaço de trabalho uma vez, você pode reutilizá-lo em outros módulos. Se você preferir completar o exercício em um ambiente Python em seu próprio computador, você pode fazê-lo. Você encontrará detalhes para configurar um ambiente de desenvolvimento local que usa o Visual Studio Code em Executando os laboratórios em seu próprio computador. Tenha em atenção que, se optar por fazê-lo, as instruções no exercício poderão não corresponder à interface de utilizador dos seus blocos de notas.

Treinar um modelo de rede neural profunda

Depois de criar um ambiente Jupyter e clonar o repositório ml-basics, você estará pronto para explorar o deep learning.

  1. No Jupyter, na pasta ml-basics, abrao notebook Deep Neural Networks (PyTorch).ipynb ou Deep Neural Networks (Tensorflow).ipynb, dependendo da sua preferência de framework, e siga as instruções nele contidas.

  2. Quando terminar, feche e pare todos os blocos de notas.

Quando terminar de trabalhar no notebook, volte para este módulo e passe para a próxima unidade para saber mais.