使用 Azure 實驗室服務設定著重於自然語言處理的深度學習的實驗室

注意

本文參考實驗室方案中可用的功能，這些功能取代了實驗室帳戶。

本文說明如何使用 Azure 實驗室服務，設定著重於自然語言處理（NLP）深度學習的實驗室。 NLP 是一種人工智慧（AI）形式，可讓具有翻譯、語音辨識和其他語言理解功能的計算機。

接受 NLP 課程的學生會取得 Linux 虛擬機（VM），以瞭解如何套用神經網路演算法。演算法會教導學生開發深度學習模型，這些模型用於分析書面人類語言。

實驗室組態

若要設定此實驗室，您需要 Azure 訂用帳戶和實驗室帳戶才能開始使用。如果您沒有 Azure 訂用帳戶，請在開始前建立免費帳戶。

擁有 Azure 訂用帳戶之後，您可以在 Azure 實驗室服務中建立新的實驗室方案。如需建立新實驗室計劃的詳細資訊，請參閱如何設定實驗室計劃的教學課程。您也可以使用現有的實驗室計劃。

針對實驗室計劃啟用下表所述的設定。如需如何啟用市集映射的詳細資訊，請參閱如何指定實驗室建立者可用的 Marketplace 映射一文。

實驗室計劃設定	指示
Marketplace 映像	啟用適用於Linux的資料科學虛擬機器（Ubuntu）映像。

如需如何建立實驗室的指示，請參閱教學課程：設定實驗室。建立實驗室時，請使用下列設定：

實驗室設定	值
虛擬機（VM）大小	小型 GPU（計算）。此大小最適合計算密集型和網路密集型應用程式，例如人工智慧和深度學習。
VM 映像	適用於Linux的資料科學虛擬機器（Ubuntu）。此映像提供機器學習和數據科學的深度學習架構和工具。若要檢視此映像上已安裝工具的完整清單，請參閱 DSVM 包含什麼？。
啟用遠端桌面連線	選擇性地勾選 [ 啟用遠端桌面連線]。資料科學映射已設定為使用 X2Go，讓教師和學生可以使用 GUI 遠端桌面進行連線。 X2Go 不需要啟用遠端桌面連線設定。
範本虛擬機設定	選擇性地選擇 [使用虛擬機映射而不進行自定義]。如果您使用實驗室計劃，且 DSVM 具有類別所需的所有工具，您可以略過範本自定義步驟。

重要

建議您搭配資料科學映像使用 X2Go。不過，如果您選擇改用 RDP，您必須使用 SSH 連線到 Linux VM，並在發布實驗室之前安裝 RDP 和 GUI 套件。然後，學生稍後可以使用 RDP 連線到 Linux VM。如需詳細資訊，請參閱啟用Linux VM的圖形化遠端桌面。

Linux 映像資料科學虛擬機器提供此類別類型所需的必要深度學習架構和工具。如果您選擇 在建立實驗室時不使用自定義 的虛擬機映像，將會停用自定義範本機器的功能。您可以在準備好時發佈實驗室。

讓我們涵蓋此類別的可能成本估計值。我們所選擇的虛擬機大小是小型 GPU（計算），也就是 139 個實驗室單位。

對於25名學生的班級，具有20小時的排程課程時間和10小時的作業或作業配額，成本估計為：

25 名學生 * （20 定時 + 10 個配額時數） * 139 實驗室單位 * 每小時 0.01 美元 = 1042.5 美元

重要

成本估計僅供範例之用。如需定價的目前詳細數據，請參閱 Azure 實驗室服務定價。

本文逐步引導您完成建立自然語言處理類別實驗室的步驟。您可以針對其他深度學習類別使用類似的設定。

範本映像現在可以發佈至實驗室。如需詳細資訊，請參閱發佈範本 VM。

當您設定實驗室時，請參閱下列文章：