Model Oluşturucusu Azure Eğitim Kaynakları

Aşağıda, Model Builder ile Azure'da modelleri eğitmek için kullanılan kaynaklar hakkında daha fazla bilgi edinmenize yardımcı olacak bir kılavuz yer alır.

Azure Machine Learning denemesi nedir?

Azure Machine Learning denemesi, Azure'da Model Builder eğitimi çalıştırılmadan önce oluşturulması gereken bir kaynaktır.

Deneme, bir veya daha fazla makine öğrenmesi eğitim çalıştırması için yapılandırmayı ve sonuçları kapsüller. Denemeler belirli bir çalışma alanına aittir. İlk kez bir deneme oluşturulduğunda, bu denemenin adı çalışma alanına kaydedilir. Sonraki tüm çalıştırmalar (aynı deneme adı kullanılıyorsa) aynı denemenin bir parçası olarak günlüğe kaydedilir. Aksi takdirde yeni bir deneme oluşturulur.

Azure Machine Learning çalışma alanı nedir?

Çalışma alanı, eğitim çalıştırmasının bir parçası olarak oluşturulan tüm Azure Machine Learning kaynakları ve yapıtları için merkezi bir yer sağlayan bir Azure Machine Learning kaynağıdır.

Azure Machine Learning çalışma alanı oluşturmak için aşağıdakiler gereklidir:

• Ad: Çalışma alanınız için 3-33 karakter arasında bir ad. Adlar yalnızca alfasayısal karakterler ve kısa çizgiler içerebilir.
• Bölge: Çalışma alanınızın ve kaynaklarınızın dağıtıldığı veri merkezinin coğrafi konumu. Sizin veya müşterilerinizin bulunduğu yere yakın bir konum seçmeniz önerilir.
• Kaynak grubu: Azure çözümü için tüm ilgili kaynakları içeren kapsayıcı.

Azure Machine Learning işlemi nedir?

Azure Machine Learning işlemi, eğitim için kullanılan bulut tabanlı bir Linux VM'dir.

Azure Machine Learning işlemini oluşturmak için aşağıdaki değerler gereklidir:

• Ad: İşleminizin 2-16 karakter arasındaki adı. Adlar yalnızca alfasayısal karakterler ve kısa çizgiler içerebilir.

• İşlem boyutu.

  Model Oluşturucusu aşağıdaki GPU için iyileştirilmiş işlem türlerinden birini kullanabilir:

  Boyut	vCPU	Bellek: GiB	Geçici depolama (SSD) GiB	GPU	GPU belleği: GiB	Maksimum veri diskleri	En Fazla NIC
  Standard_NC12	12	112	680	2	24	48	2
  Standard_NC24	24	224	1440	4	48	64	4

  GPU için iyileştirilmiş işlem türleri hakkında daha fazla bilgi için NC serisi Linux VM belgeleri ziyaret edin.

• İşlem önceliği.

  • Düşük öncelikli: Yürütme süresi daha kısa olan görevler için uygundur. Görevler kesintilerden ve kullanılabilirlik eksikliğinden etkilenebilir. Azure'daki fazla kapasiteden yararlandığı için bu seçenek genellikle daha düşük maliyetlidir.
  • Ayrılmış: Herhangi bir süre, ancak özellikle uzun süre çalışan işler için uygundur. Görevler kesintilerden veya kullanılabilirlik eksikliğinden etkilenmez. Görevleriniz için Azure'da ayrılmış bir dizi işlem kaynağı ayırdığından bu seçenek genellikle daha pahalıdır.

Antrenman

Azure'da eğitim yalnızca Model Builder görüntü sınıflandırma senaryosu için kullanılabilir. Bu modelleri eğitmek için kullanılan algoritma, ResNet50 mimarisini temel alan bir Derin Sinir Ağı'dır. Eğitim süreci biraz zaman alır ve zaman, seçilen işlemin boyutuna ve veri miktarına bağlı olarak değişebilir. Visual Studio'da "Azure portalında geçerli çalıştırmayı izle" bağlantısını seçerek çalıştırmalarınızın ilerleme durumunu izleyebilirsiniz.

Sonuç -ları

Eğitim tamamlandıktan sonra çözümünüzde aşağıdaki sonekleri içeren iki proje eklenir:

• ConsoleApp: Tahmin işlem hattını oluşturmak ve tahminler yapmak için başlangıç kodu sağlayan bir C# konsol uygulaması.

• Model: Giriş ve çıkış modeli verilerinin şemasını ve aşağıdaki varlıkları tanımlayan veri modellerini içeren bir C# .NET Standart uygulaması:

  • bestModel.onnx: Modelin Open Neural Network Exchange (ONNX) biçiminde serileştirilmiş sürümü. ONNX, ML.NET, PyTorch ve TensorFlow gibi çerçeveler arasında birlikte çalışabilirliği destekleyen yapay zeka modelleri için açık kaynak bir biçimdir.
  • bestModelMap.json: Model çıkışını bir metin kategorisine eşlemek için tahminler yaparken kullanılan kategorilerin listesi.
  • MLModel.zip: dosyasını kullanarak tahminler yapmak ve çıkışları eşlemek için bestModel.onnx modelin serileştirilmiş sürümünü kullanan ML.NET tahmin işlem hattının serileştirilmiş sürümü.

Makine öğrenmesi modelini kullanma

Modeli projesindeki ModelInput ve ModelOutput sınıfları sırasıyla modelin beklenen giriş ve çıkışının şemasını tanımlar.

Görüntü sınıflandırma senaryosunda, ModelInput iki sütun içerir:

• ImageSource: Görüntü konumunun dize yolu.
• Label: Görüntünün ait olduğu gerçek kategori. Label yalnızca eğitim sırasında giriş olarak kullanılır ve tahmin yaparken sağlanması gerekmez.

ModelOutput iki sütun içerir:

• Prediction: Görüntünün tahmin edilen kategorisi.
• Score: Tüm kategoriler için olasılık listesi (en yüksek olan Predictionaittir).

Sorun giderme

İşlem oluşturulamıyor

Azure Machine Learning işlem oluşturma sırasında bir hata oluşursa işlem kaynağı yine de hata durumunda olabilir. İşlem kaynağını aynı adla yeniden oluşturmaya çalışırsanız işlem başarısız olur. Bu hatayı düzeltmek için:

• Farklı bir adla yeni işlem oluşturma
• Azure portalına gidin ve özgün işlem kaynağını kaldırın