Краткое руководство: создание ресурсов рабочей области, необходимых для начала работы со службой "Машинное обучение Azure"
Выполнив приведенные в этом кратком руководстве действия, вы создадите рабочую область, а затем добавите в нее вычислительные ресурсы. После этого у вас будет все необходимое для начала работы со службой "Машинное обучение Azure".
Рабочая область — это ресурс верхнего уровня для действий машинного обучения, который является централизованным расположением для просмотра всех артефактов, созданных в Машинном обучении Azure, и управления ими. Вычислительные ресурсы предоставляют предварительно настроенную облачную среду, которую можно использовать для обучения, развертывания, автоматизации и мониторинга моделей машинного обучения, а также управления ими.
Предварительные требования
- Учетная запись Azure с активной подпиской. Создайте учетную запись бесплатно.
Создание рабочей области
Если у вас уже есть рабочая область, пропустите этот раздел и перейдите к разделу Создание вычислительного экземпляра.
Если у вас нет рабочей области, создайте ее, выполнив приведенные ниже действия.
Войдите в Студию машинного обучения Azure
Выберите Создать рабочую область
Укажите следующие сведения для настройки новой рабочей области:
Поле Описание имя рабочей области. Введите уникальное имя для идентификации рабочей области. Имена должны быть уникальными в группе ресурсов. Используйте имя, которое позволит легко запомнить рабочую область и отличить ее от областей, созданных другими пользователями. В имени рабочей области не учитывается регистр. Подписка Выберите подписку Azure, которую нужно использовать. Группа ресурсов Используйте группу ресурсов, которая уже есть в подписке, или введите имя, чтобы создать группу ресурсов. Группа ресурсов содержит связанные ресурсы для решения Azure. Для использования существующей группы ресурсов требуется роль участника или владельца. Дополнительные сведения о доступе см. в разделе Управление доступом к рабочей области Машинного обучения Azure. Регион Для создания рабочей области выберите ближайший к пользователям и ресурсам данных регион Azure. Выберите Создать, чтобы создать рабочую область
Примечание
При этом создается рабочая область со всеми необходимыми ресурсами. Если вы хотите повторно использовать ресурсы, такие как учетная запись хранения, Реестр контейнеров Azure, Azure KeyVault или Application Insights, используйте вместо него портал Azure.
Создание вычислительного экземпляра
Вы можете установить службу "Машинное обучение Azure" на своем компьютере. Но в этом кратком руководстве вы создадите сетевой вычислительный ресурс с уже установленной и готовой к работе средой разработки. Вы будете использовать этот сетевой компьютер — вычислительный экземпляр — для среды разработки с целью написания и выполнения кода в скриптах Python и записных книжках Jupyter.
Создайте вычислительный экземпляр для использования этой среды разработки в остальных руководствах и кратких руководствах.
Если вы не только что создали рабочую область в предыдущем разделе, войдите в Студию машинного обучения Azure и выберите рабочую область.
Слева выберите Вычисление.
Выберите + Создать, чтобы создать новый вычислительный экземпляр.
Укажите имя, оставьте все значения по умолчанию на первой странице.
Нажмите кнопку создания.
Примерно через две минуты вы увидите, что значение параметра Состояние вычислительного экземпляра изменится с Идет создание на Выполняется. Теперь он готов к работе.
Создание вычислительных кластеров
Далее вам предстоит создать вычислительный кластер. Вы отправите в этот кластер код, чтобы распределить процессы обучения или пакетного вывода по кластеру вычислительных узлов ЦП или GPU в облаке.
Создайте вычислительный кластер, который будет автоматически масштабироваться, расширяясь от нуля до четырех узлов.
- В разделе Вычисления на верхней вкладке выберите Вычислительные кластеры.
- Щелкните + Создать, чтобы создать новый вычислительный кластер.
- Оставьте все значения по умолчанию на первой странице, а затем нажмите кнопку Далее. Если вы не видите доступных вычислительных ресурсов, вам потребуется запросить увеличение квоты. Дополнительные сведения об управлении квотами и их увеличении.
- Присвойте кластеру имя cpu-cluster. Если это имя уже существует, добавьте в имя свои инициалы, чтобы сделать его уникальным.
- Оставьте значение параметра Минимальное число узлов равным 0.
- Если возможно, задайте параметру Максимальное число узлов значение 4. В зависимости от настроек предельное значение может быть ниже.
- Задайте параметру Время до уменьшения масштаба (с) значение 2400.
- Оставьте остальные значения по умолчанию и нажмите кнопку Создать.
Менее чем через минуту значение параметра Состояние кластера изменится с Идет создание на Выполнено. В списке отображается подготовленный вычислительный кластер, а также количество бездействующих, занятых и неподготовленных узлов. Так как вы еще не использовали кластер, все узлы являются неподготовленными.
Примечание
После создания кластера для него будут подготовлены 0 узлов. За кластер не взимается плата, пока вы не отправите задание. Если этот кластер бездействует на протяжении 2400 секунд (40 минут), его размер уменьшается. В течение этого времени вы можете использовать его в нескольких учебниках, если не хотите ждать возврата к прежнему значению масштаба.
Краткий обзор студии
Студия представляет собой веб-портал для Машинного обучения Azure. Для инклюзивной платформы обработки и анализа данных на этом портале не требуется писать код или использовать подход Code First.
Ознакомьтесь с частями студии на панели навигации слева.
Раздел "Разработка" студии содержит несколько способов приступить к созданию моделей машинного обучения. Вы можете выполнить следующие действия:
- Раздел Записные книжки предназначен для создания записных книжек Jupyter Notebook, копирования примеров записных книжек и запуска записных книжек и скриптов Python.
- В разделе Автоматизированное машинное обучение выполняется создание модели машинного обучения без написания кода.
- В разделе Конструктор можно создавать модели с помощью предварительно созданных компонентов, используя функции перетаскивания.
В разделе Ресурсы вы можете отслеживать ресурсы, создаваемые при выполнении заданий. В новой рабочей области ни один из этих разделов пока не существует.
Вы уже использовали раздел Управление студии для создания вычислительных ресурсов. Этот раздел также можно использовать для создания и администрирования данных и внешних служб, связанных с рабочей областью.
Диагностика рабочей области
Из Студии машинного обучения Azure или пакета SDK Python можно запустить диагностику в рабочей области. После выполнения диагностики возвращается список всех обнаруженных проблем. Этот список содержит ссылки на возможные решения. Дополнительные сведения см. в статье Как использовать диагностику рабочей области.
Очистка ресурсов
Если вы планируете продолжить работу со следующим руководством, перейдите к разделу Дальнейшие действия.
Остановка вычислительного экземпляра
Если вы не собираетесь использовать вычислительный экземпляр сейчас, закройте его, выполнив приведенные ниже действия.
- В левой части студии выберите Вычисления.
- На верхней вкладке выберите Вычислительные экземпляры.
- Выберите вычислительный экземпляр в списке.
- На верхней панели инструментов щелкните Остановить.
Удаление всех ресурсов
Важно!
Созданные вами ресурсы могут использоваться в качестве необходимых компонентов при работе с другими руководствами по Машинному обучению Azure.
Если вы не планируете использовать созданные вами ресурсы, удалите их, чтобы с вас не взималась плата:
На портале Azure выберите Группы ресурсов в левой части окна.
Выберите созданную группу ресурсов из списка.
Выберите Удалить группу ресурсов.
Введите имя группы ресурсов. Теперь щелкните Удалить.
Дальнейшие действия
Теперь у вас есть рабочая область Машинного обучения Azure, которая содержит:
- вычислительный экземпляр для использования в среде разработки;
- вычислительный кластер для отправки обучающих запусков.
Используйте эти ресурсы для получения дополнительных сведений о Машинном обучении Azure и обучении модели с помощью скриптов Python.