Konfigurera ett labb med fokus på djupinlärning i bearbetning av naturligt språk med hjälp av Azure Lab Services
Kommentar
Den här artikeln refererar till funktioner som är tillgängliga i labbplaner, som ersatte labbkonton.
Den här artikeln visar hur du konfigurerar ett labb med fokus på djupinlärning i NLP (Natural Language Processing) med Hjälp av Azure Lab Services. NLP är en form av artificiell intelligens (AI) som möjliggör datorer med översättning, taligenkänning och andra funktioner för språktolkning.
Elever som tar en NLP-klass får en virtuell Linux-dator (VM) för att lära sig hur man använder neurala nätverksalgoritmer. Algoritmerna lär eleverna att utveckla djupinlärningsmodeller som används för att analysera skrivet mänskligt språk.
Labbkonfiguration
För att konfigurera den här labbuppgiften behöver du en Azure-prenumeration och ett labbkonto för att komma igång. Om du inte har någon Azure-prenumeration skapar du ett kostnadsfritt konto innan du börjar.
När du har en Azure-prenumeration kan du skapa en ny labbplan i Azure Lab Services. Mer information om hur du skapar en ny labbplan finns i självstudien om hur du konfigurerar en labbplan. Du kan också använda en befintlig labbplan.
Inställningar för labbplan
Aktivera inställningarna som beskrivs i tabellen nedan för labbplanen. Mer information om hur du aktiverar Marketplace-avbildningar finns i artikeln om hur du anger Marketplace-avbildningar som är tillgängliga för labbskapare.
| Inställning för labbplan | Instruktioner |
|---|---|
| Marketplace-avbildningar | Aktivera avbildningen Datavetenskap Virtual Machine for Linux (Ubuntu). |
Labbinställningar
Anvisningar om hur du skapar ett labb finns i Självstudie: Konfigurera ett labb. Använd följande inställningar när du skapar labbet:
| Labbinställningar | Värde |
|---|---|
| Storlek på virtuell dator (VM) | Liten GPU (Compute). Den här storleken passar bäst för beräkningsintensiva och nätverksintensiva program som Artificiell intelligens och Djupinlärning. |
| VM-avbildning | Datavetenskap Virtual Machine for Linux (Ubuntu). Den här bilden innehåller ramverk och verktyg för djupinlärning för maskininlärning och datavetenskap. Om du vill visa en fullständig lista över installerade verktyg på den här avbildningen läser du Vad inkluderar DSVM?. |
| Aktivera anslutning till fjärrskrivbord | Du kan också kontrollera Aktivera anslutning till fjärrskrivbord. Den Datavetenskap avbildningen har redan konfigurerats för att använda X2Go så att lärare och elever kan ansluta med hjälp av ett gui-fjärrskrivbord. X2Go kräver inte att inställningen Aktivera anslutning till fjärrskrivbord är aktiverad. |
| Inställningar för virtuell malldator | Du kan också välja Använd en avbildning av en virtuell dator utan anpassning. Om du använder labbplaner och DSVM har alla verktyg som krävs för klassen kan du hoppa över mallanpassningssteget. |
Viktigt!
Vi rekommenderar att du använder X2Go med avbildningen Datavetenskap. Men om du väljer att använda RDP i stället måste du ansluta till den virtuella Linux-datorn med hjälp av SSH och installera RDP- och GUI-paketen innan du publicerar labbet. Sedan kan eleverna ansluta till den virtuella Linux-datorn med RDP senare. Mer information finns i Aktivera grafiskt fjärrskrivbord för virtuella Linux-datorer.
Konfiguration av malldator
Avbildningen Datavetenskap Virtual Machine for Linux tillhandahåller de ramverk och verktyg för djupinlärning som krävs för den här typen av klass. Om du väljer Använd en avbildning av en virtuell dator utan anpassning när du skapar labbet inaktiveras möjligheten att anpassa malldatorn. Du kan publicera labbet när du är redo.
Kostnad
Nu ska vi gå igenom en möjlig kostnadsuppskattning för den här klassen. Den virtuella datorstorleken vi valde var Small GPU (Compute), som är 139 labbenheter.
För en klass på 25 elever med 20 timmars schemalagd klasstid och 10 timmars kvot för läxor eller tilldelningar skulle kostnadsuppskattningen vara:
25 studenter * (20 schemalagda timmar + 10 kvottimmar) * 139 labbenheter * 0,01 USD per timme = 1 042,5 USD
Viktigt!
Kostnadsuppskattning är endast i exempelsyfte. Aktuell information om priser finns i Prissättning för Azure Lab Services.
Slutsats
Den här artikeln vägleder dig genom stegen för att skapa ett labb för natural language processing-klassen. Du kan använda en liknande konfiguration för andra djupinlärningsklasser.
Nästa steg
Mallbilden kan nu publiceras i labbet. Mer information finns i Publicera den virtuella malldatorn.
När du konfigurerar labbuppgiften kan du läsa följande artiklar: