Delen via


Zelfstudie: Resources maken die u nodig hebt om aan de slag te gaan

In deze zelfstudie maakt u de resources die u nodig hebt om met Azure Machine Learning te gaan werken.

  • Een werkruimte. Als u Azure Machine Learning wilt gebruiken, hebt u een werkruimte nodig. De werkruimte is de centrale plek om alle artefacten en resources die u maakt, weer te geven en te beheren.
  • Een rekenproces. Een rekenproces is een vooraf geconfigureerde cloudcomputingresource die u kunt gebruiken om machine learning-modellen te trainen, automatiseren, beheren en bij te houden. Een rekenproces is de snelste manier om de Azure Machine Learning SDK's en CLIs te gebruiken. U gebruikt deze om Jupyter-notebooks en Python-scripts uit te voeren in de rest van de zelfstudies.

In deze zelfstudie maakt u uw resources in Azure Machine Learning Studio.

U kunt ook een werkruimte maken met behulp van de Azure-portal of SDK, de CLI, Azure PowerShell of de Visual Studio Code-extensie.

Zie Een rekenproces maken voor andere manieren om een rekenproces te maken.

In deze video ziet u hoe u een werkruimte en rekenproces maakt in Azure Machine Learning-studio. De stappen worden ook beschreven in de onderstaande secties.

Vereisten

De werkruimte maken

De werkruimte is de resource op het hoogste niveau voor uw machine learning-activiteiten en biedt een centrale plaats om de artefacten die u maakt te bekijken en te beheren wanneer u Azure Machine Learning gebruikt.

Als u al een werkruimte hebt, slaat u deze sectie over en gaat u verder met het maken van een rekenproces.

Als u nog geen werkruimte hebt, maakt u er nu een:

  1. Meld u aan bij Azure Machine Learning Studio.

  2. Selecteer Werkruimte maken.

  3. Geef de volgende gegevens op om uw nieuwe werkruimte te configureren:

    Veld Beschrijving
    Werkruimtenaam Voer een unieke naam in die uw werkruimte aanduidt. Namen moeten uniek zijn binnen de resourcegroep. Gebruik een naam die u gemakkelijk kunt intrekken en onderscheiden van werkruimten die door anderen zijn gemaakt. De naam van de werkruimte is niet hoofdlettergevoelig.
    Beschrijvende naam Deze naam wordt niet beperkt door azure-naamgevingsregels. U kunt spaties en speciale tekens in deze naam gebruiken.
    Knooppunt Met een hub kunt u gerelateerde werkruimten groeperen en resources delen. Als u toegang hebt tot een hub, selecteert u deze hier. Als u geen toegang hebt tot een hub, laat u dit leeg.
  4. Als u geen hub hebt geselecteerd, geeft u de geavanceerde instellingen op. Als u een hub hebt geselecteerd, worden deze waarden opgehaald uit de hub.

    Veld Beschrijving
    Abonnement Selecteer het Azure-abonnement dat u wilt gebruiken.
    Resourcegroep Gebruik een bestaande resourcegroep in uw abonnement of voer een naam in om een nieuwe te maken. Een resourcegroep bevat gerelateerde resources voor een Azure-oplossing. U hebt de rol Inzender of Eigenaar nodig om een bestaande resourcegroep te kunnen gebruiken. Zie Toegang tot een Azure Machine Learning-werkruimte beheren voor meer informatie over toegang.
    Regio Selecteer de Azure-regio die zich het dichtst bij uw gebruikers en gegevens bevindt om uw werkruimte te maken.
  5. Selecteer Maken om de werkruimte te maken.

Notitie

Hiermee maakt u een werkruimte samen met alle vereiste resources. Als u meer aanpassingen wilt, gebruikt u in plaats daarvan Azure Portal . Zie Een werkruimte maken voor meer informatie.

Een rekenproces maken

U gebruikt het rekenproces om Jupyter-notebooks en Python-scripts uit te voeren in de rest van de zelfstudies. Als u nog geen rekenproces hebt, maakt u er nu een:

  1. Selecteer uw werkruimte.

  2. Selecteer Nieuw in de rechterbovenhoek.

  3. Selecteer Rekenproces in de lijst.

    Schermopname van het maken van rekenkracht in de lijst Nieuw.

  4. Geef een naam op.

  5. Behoud de standaardwaarden voor de rest van de pagina, tenzij voor het beleid van uw organisatie andere instellingen zijn vereist.

  6. Selecteer Controleren + maken.

  7. Selecteer Maken.

Korte rondleiding door de studio

De studio is uw webportal voor Azure Machine Learning. Het combineert no-code en code-first ervaringen voor een inclusief data science-platform.

Bekijk de onderdelen van de studio op de linkernavigatiebalk:

  • De sectie Ontwerpen van de studio bevat meerdere manieren om aan de slag te gaan met het maken van machine learning-modellen. U kunt:

    • Met notebooks kunt u Jupyter-notebooks maken, voorbeeldnotitieblokken kopiĆ«ren en notebooks en Python-scripts uitvoeren.
    • Geautomatiseerde ML begeleidt u bij het maken van een machine learning-model zonder code te schrijven.
    • Designer biedt een manier om modellen te bouwen met behulp van vooraf gedefinieerde onderdelen.
  • De sectie Assets helpt u bij het bijhouden van de assets die u maakt tijdens het uitvoeren van taken. In een nieuwe werkruimte zijn deze secties leeg.

  • In de sectie Beheren kunt u compute- en externe services maken en beheren die zijn gekoppeld aan uw werkruimte. U kunt hier ook een project voor gegevenslabels maken en beheren.

Schermopname van Azure Machine Learning-studio.

Leren van voorbeeldnotebooks

Gebruik de voorbeeldnotebooks die beschikbaar zijn in de studio om te leren hoe u modellen traint en implementeert. Er wordt in veel van de andere artikelen en zelfstudies naar deze artikelen verwezen.

  1. Selecteer Notitieblokken in het linkernavigatievenster.
  2. Selecteer Bovenaan Voorbeelden.

Schermopname van voorbeeldnotebooks.

  • Gebruik notebooks in de MAP SDK v2 voor voorbeelden die gebruikmaken van de huidige SDK (v2).
  • Deze notebooks zijn alleen-lezen en worden periodiek bijgewerkt.
  • Wanneer u een notitieblok opent, selecteert u Dit notitieblok bovenaan klonen om een kopie en eventuele bijbehorende bestanden aan uw bestanden toe te voegen. Er wordt een nieuwe map voor u gemaakt in de sectie Bestanden .

Een nieuwe notebook maken

Wanneer u een notitieblok kloont vanuit voorbeelden, wordt er een kopie toegevoegd aan uw bestanden en kunt u deze gaan uitvoeren of wijzigen. Veel van de zelfstudies weerspiegelen deze voorbeeldnotebooks.

U kunt ook een nieuw, leeg notitieblok maken en vervolgens code uit een zelfstudie kopiƫren en plakken. Hiervoor doet u het volgende:

  1. Selecteer In de sectie Notitieblokken de optie Bestanden om terug te gaan naar uw bestanden.

  2. Selecteer + deze optie om bestanden toe te voegen.

  3. Selecteer Nieuw bestand maken.

    Schermopname van het maken van een nieuw bestand.

Resources opschonen

Als u van plan bent om nu door te gaan naar andere zelfstudies, gaat u verder met de volgende stap.

Rekenproces stoppen

Als u deze nu niet gaat gebruiken, stopt u het rekenproces:

  1. Selecteer Compute in het menu links in de studio.
  2. Selecteer Rekeninstanties op de bovenste tabbladen.
  3. Selecteer het rekenproces in de lijst.
  4. Selecteer Stoppen op de bovenste werkbalk.

Alle resources verwijderen

Belangrijk

De resources die u hebt gemaakt, kunnen worden gebruikt als de vereisten voor andere Azure Machine Learning-zelfstudies en artikelen met procedures.

Als u niet van plan bent om een van de resources te gebruiken die u hebt gemaakt, verwijdert u deze zodat er geen kosten in rekening worden gebracht:

  1. Voer in azure Portal in het zoekvak resourcegroepen in en selecteer deze in de resultaten.

  2. Selecteer de resourcegroep die u hebt gemaakt uit de lijst.

  3. Selecteer op de pagina Overzicht de optie Resourcegroep verwijderen.

    Schermopname van de selecties voor het verwijderen van een resourcegroep in de Azure-portal.

  4. Voer de naam van de resourcegroup in. Selecteer daarna Verwijderen.

Volgende stap

U hebt nu een Azure Machine Learning-werkruimte die een rekenproces voor uw ontwikkelomgeving bevat.

Meer informatie over het gebruik van het rekenproces voor het uitvoeren van notebooks en scripts in Azure Machine Learning.

Gebruik uw rekenproces met de volgende zelfstudies om een model te trainen en te implementeren.

Zelfstudie Beschrijving
Uw gegevens uploaden, openen en verkennen in Azure Machine Learning Sla grote gegevens op in de cloud en haal deze op uit notebooks en scripts.
Modelontwikkeling op een cloudwerkstation Begin met het maken van prototypen en het ontwikkelen van machine learning-modellen.
Een model trainen in Azure Machine Learning Duik in de details van het trainen van een model.
Een model implementeren als een online-eindpunt Duik in de details van het implementeren van een model.
Machine Learning-pijplijnen voor productie maken Splits een volledige machine learning-taak in een werkstroom met meerdere stappen.

Wil je meteen naar binnen springen? Blader door codevoorbeelden.