Примеры для Виртуальных машин для обработки и анализа данных Azure
Виртуальные машины для обработки и анализа данных Azure (DSVM) включают комплексный набор примеров кода. Эти примеры содержат записные книжки и сценарии Jupyter на таких языках, как Python и R.
Примечание
Дополнительные сведения о том, как запустить записные книжки Jupyter на виртуальных машинах для обработки и анализа данных, см. в разделе Доступ к Jupyter.
Предварительные требования
Для выполнения этих примеров необходимо подготовить виртуальную машину Ubuntu для обработки и анализа данных.
Доступные примеры
Категории примеров | Описание | Расположения |
---|---|---|
Язык Python | В примерах рассматриваются такие сценарии, как подключение к облачным хранилищам данных на основе Azure и работа с Машинным обучением Azure. Язык Python |
~notebooks |
Язык Julia | Содержит подробное описание построения и глубокого обучения на языке Julia. Кроме того, объясняется, как вызывать сценарии на C и Python из сценариев Julia. Язык Julia |
Windows: ~notebooks/Julia_notebooks Linux: ~notebooks/julia |
Машинное обучение Azure | Создавайте модели машинного обучения и глубокого обучения с помощью службы машинного обучения. Модели можно развертывать в любом расположении. Используйте автоматическое машинное обучение и интеллектуальную настройку гиперпараметров. Вы также можете использовать 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 использования функций набора средств MLlib Apache Spark с помощью pySpark и MMLSpark: машинное обучение Microsoft для Apache Spark 2.x. Язык SparkML |
~notebooks/SparkML/pySpark ~notebooks/MMLSpark |
XGBoost; | Примеры стандартного машинного обучения в XGBoost для сценариев классификации, регрессии и т. д. 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 перейдите к https://<Full Domain Name or IP Address of the DSVM>:8000
в Ubuntu.
Чтобы добавить исключения и получить доступ к Jupyter через браузер, ознакомьтесь со следующим руководством:
Войдите в систему, используя тот же пароль, который вы используете для входа на виртуальную машину для обработки и анализа данных.
Домашняя страница Jupyter