快速入門:建立開始使用 Azure Machine Learning 所需的工作區資源

在本快速入門中,您要建立工作區,然後將計算資源新增至此工作區。 然後,即具備開始使用 Azure Machine Learning 所需的一切。

工作區是您機器學習活動的最上層資源,可讓您在集中的位置檢視及管理使用 Azure Machine Learning 時所建立的成品。 計算資源為您提供預先設定的雲端架構環境,用以訓練、部署、自動化、管理及追蹤機器學習模型。

必要條件

建立工作區

如果已有工作區,請略過本節,繼續建立計算執行個體

如果還沒有工作區,請立即建立工作區:

  1. 登入 Azure Machine Learning 工作室

  2. 選取 [建立工作區]

  3. 提供下列資訊來設定新的工作區:

    欄位 描述
    工作區名稱 輸入可識別您工作區的唯一名稱。 名稱必須是整個資源群組中唯一的。 請使用可輕鬆回想並且與其他人建立的工作區有所區別的名稱。 工作區名稱不區分大小寫。
    訂用帳戶 選取您要使用的 Azure 訂用帳戶。
    資源群組 在您的訂用帳戶中使用現有的資源群組,或輸入名稱來建立新的資源群組。 資源群組會保留 Azure 方案的相關資源。 您需要參與者或擁有者角色,以使用現有的資源群組。 如需關於存取權的詳細資訊,請參閱管理 Azure Machine Learning 工作區存取權
    區域 選取最接近使用者與資料資源的 Azure 區域,以建立工作區。
  4. 選取 [建立] 以建立工作區

建立計算執行個體

您可以在自己的電腦上安裝 Azure Machine Learning。 但是在本快速入門中,您將建立已安裝開發環境並可執行的線上計算資源。 您將使用這部線上電腦 (「計算執行個體」),以 Python 指令碼和 Jupyter Notebook 為您的開發環境撰寫及執行程式碼。

建立「計算執行個體」,使用此開發環境執行其餘的教學課程和快速入門。

  1. 如果在上一節中未建立工作區,請立即登入 Azure Machine Learning 工作室,然後選取您的工作區。
  2. 選取左側的 [計算]。
  3. 選取 [+新增] 建立新的計算執行個體。
  4. 提供名稱,保留第一頁中全部的預設值。
  5. 選取 [建立]。

約兩分鐘,您就會看到計算執行個體的狀態從 [正在建立] 變更為 [正在執行]。 現在可開始執行。

建立計算叢集

接下來,您將建立計算叢集。 叢集可讓您在雲端的 CPU 或 GPU 計算節點叢集上,發佈訓練或批次推斷流程。

建立可自動從零調整到四個節點的計算叢集:

  1. 仍在索引標籤上方的 [計算] 區段中,選取 [計算叢集]。
  2. 選取 [+新增] 建立新的計算叢集。
  3. 保留第一頁中全部的預設值,選取 [下一步]。 如果您沒有看到任何可用的計算,您必須要求增加配額。 深入了解管理和增加配額
  4. 將叢集命名為 cpu-cluster。 如果此名稱已存在,請將您的姓名縮寫新增至名稱中,使其成為唯一名稱。
  5. 將 [最小節點數目] 保持為 0。
  6. 如果可以,請將 [最大節點數目] 變更成 4。 視您的設定而定,可能會有較小的限制。
  7. 將 [Idle seconds before scale down] \(縮小之前的閒置秒數\) 變更為 2400。
  8. 保留其餘的預設值,然後選取 [建立]。

不到一分鐘,叢集的狀態就會從 [正在建立] 變更為 [成功]。 此清單會顯示已佈建的計算叢集,以及閒置節點的數目、忙碌節點,以及取消佈建的節點。 由於您尚未使用叢集,因此目前已取消佈建所有節點。

注意

建立叢集時,其中會佈建 0 個節點。 在您提交作業之前,叢集「不會」產生成本。 此叢集會在閒置 2,400 秒 (40 分鐘) 後縮小規模。 如果不想等待叢集擴大回原規模,這可讓您有時間在幾個教學課程中使用此叢集。

工作室快速導覽

這個工作室是您的 Azure Machine Learning 入口網站。 這個入口網站在包容性資料科學平台中結合無程式碼和程式碼優先體驗。

在左側導覽列上檢查工作室各組件:

  • 工作室的 [作者] 區段包含多種可開始建立機器學習模型的方式。 您可以:

    • [筆記本] 區段可讓您建立 Jupyter Notebook、複製範例筆記本,以及執行筆記本和 Python 指令碼。
    • [自動化 ML] 會逐步引導您建立機器學習模型,不需要撰寫程式碼。
    • [設計工具] 可讓您使用預先建置的元件,以拖放方式建置模型。
  • 工作室的 [資產] 區段可在您執行工作時,協助您追蹤您建立的資產。 如果是全新的工作區,這些區段中就不會有任何內容。

  • 您已使用工作室的 [管理] 區段建立計算資源。 這個區段也可讓您建立及管理您連結至工作區的資料和外部服務。

工作區診斷

您可以從 Azure Machine Learning 工作室或 Python SDK 診斷工作區。 診斷執行完成後,就會傳回所有偵測到的問題清單。 這份清單包含可能的解決方案連結。 如需詳細資訊,請參閱如何使用工作區診斷

清除資源

如果您打算立即繼續下一個教學課程,請跳至後續步驟

停止計算執行個體

如果現在不打算使用,請停止計算執行個體:

  1. 在工作室的左側功能表中,選取 [計算]。
  2. 在頂端的索引標籤中,選取 [計算執行個體]
  3. 選取清單中的計算執行個體。
  4. 在頂端工具列中,選取 [停止]。

刪除所有資源

重要

您所建立的資源可用來作為其他 Azure Machine Learning 教學課程和操作說明文章的先決條件。

如果不打算使用您建立的任何資源,請刪除以免產生任何費用:

  1. 在 Azure 入口網站中,選取最左邊的 [資源群組] 。

  2. 從清單中,選取您所建立的資源群組。

  3. 選取 [刪除資源群組]。

    在 Azure 入口網站中刪除資源群組選項的螢幕擷取畫面。

  4. 輸入資源群組名稱。 然後選取 [刪除]。

後續步驟

您現在有一個 Azure Machine Learning 工作區,其中包含:

  • 一個用於開發環境的計算執行個體。
  • 一個用於提交訓練回合的計算叢集。

使用這些資源來深入了解 Azure Machine Learning 及如何使用 Python 指令碼訓練模型。