Примеры для Виртуальных машин для обработки и анализа данных Azure

Статья
05/08/2024

Azure Виртуальная машина для обработки и анализа данных (DSVM) включает полный набор примеров кода. Эти примеры содержат записные книжки и сценарии Jupyter на таких языках, как Python и R.

Примечание.

Дополнительные сведения о запуске записных книжек Jupyter на виртуальных машинах для обработки и анализа данных см. в разделе Access Jupyter .

Необходимые компоненты

Для выполнения этих примеров необходимо иметь подготовленный Виртуальная машина для обработки и анализа данных Ubuntu.

Доступные примеры

Категории примеров	Description	Ячейки
Язык Python	Примеры, объясняющие, как подключиться к облачным хранилищам данных Azure и как работать с Машинное обучение Azure сценариями. Язык Python	`~notebooks`
Язык Julia	Содержит подробное описание построения и глубокого обучения на языке Julia. Объясняет, как вызывать C и Python из Джулии. Язык Julia	Windows: `~notebooks/Julia_notebooks` Linux: `~notebooks/julia`
Машинное обучение Azure	Показывает, как создавать модели машинного обучения и глубокого обучения с помощью Машинное обучение. Модели можно развертывать в любом расположении. Используйте автоматическое машинное обучение и интеллектуальную настройку гиперпараметров. Используйте управление моделями и распределенное обучение. Машинное обучение	`~notebooks/AzureML`
Записные книжки PyTorch	Примеры глубокого обучения, использующие нейронные сети на основе PyTorch. Записные книжки есть как для базовых, так и для расширенных сценариев. Записные книжки PyTorch	`~notebooks/Deep_learning_frameworks/pytorch`
TensorFlow	Различные примеры и методы нейронной сети, реализованные с помощью платформы TensorFlow. TensorFlow	`~notebooks/Deep_learning_frameworks/tensorflow`
H2O	Примеры на основе Python, в которых используется H2O, для практических сценариев по решению проблем. H2O	`~notebooks/h2o`
Язык SparkML	Примеры, использующие функции набора средств Apache Spark MLLib с помощью pySpark и MMLSpark: Microsoft Машинное обучение для Apache Spark в Apache Spark 2.x. Язык SparkML	`~notebooks/SparkML/pySpark` `~notebooks/MMLSpark`
XGBoost	Стандартные примеры машинного обучения в XGBoost, например классификация и регрессия. XGBoost	Windows: `\dsvm\samples\xgboost\demo`

Доступ к Jupyter

Доступ к Jupyter можно получить, щелкнув значок Jupyter на рабочем столе или в меню приложения. Также можно получить доступ к Jupyter с помощью Linux Edition виртуальной машины для обработки и анализа данных. Для удаленного доступа из веб-браузера посетите https://<Full Domain Name or IP Address of the DSVM>:8000 Ubuntu.

Чтобы добавить исключения и сделать доступ Jupyter доступным через браузер, используйте следующее руководство.

Добавление исключения Jupyter