Narzędzia do uczenia maszynowego i nauki o danych w usłudze Azure Nauka o danych Virtual Machines
Artykuł
Maszyny wirtualne platformy Azure Nauka o danych (DSVM) mają bogaty zestaw narzędzi i bibliotek do uczenia maszynowego. Te zasoby są dostępne w popularnych językach, takich jak Python, R i Julia.
Maszyna DSVM obsługuje następujące narzędzia i biblioteki uczenia maszynowego:
Zestaw SDK usługi Azure Machine Learning dla języka Python
Usługa Azure Machine Learning w chmurze umożliwia tworzenie i wdrażanie modeli uczenia maszynowego. Zestaw SDK języka Python umożliwia śledzenie modeli podczas kompilowania, trenowania, skalowania i zarządzania nimi. Wdrażanie modeli jako kontenerów i uruchamianie ich w chmurze, lokalnie lub w usłudze Azure IoT Edge.
Obsługiwane wersje
Windows (środowisko conda: AzureML), Linux (środowisko conda: py36)
Typowe zastosowania
Ogólna platforma uczenia maszynowego
Jak jest on skonfigurowany lub zainstalowany?
Zainstalowane z obsługą procesora GPU
Jak go używać lub uruchamiać
Jako zestaw SDK języka Python i w interfejsie wiersza polecenia platformy Azure. Aktywuj środowisko AzureML conda w wersji systemu Windows lub aktywuj je py36 w wersji systemu Linux.
Link do przykładów
Znajdź przykładowe notesy Jupyter w katalogu w AzureML obszarze notesów.
H2O
Kategoria
Wartość
Co to jest?
Platforma sztucznej inteligencji typu open source, która obsługuje rozproszone, szybkie, skalowalne uczenie maszynowe w pamięci.
H2O jest zainstalowany w programie /dsvm/tools/h2o.
Jak go używać lub uruchamiać
Nawiąż połączenie z maszyną wirtualną za pomocą rozwiązania X2Go. Uruchom nowy terminal i uruchom polecenie java -jar /dsvm/tools/h2o/current/h2o.jar. Następnie uruchom przeglądarkę internetową i połącz się z usługą http://localhost:54321.
Link do przykładów
Znajdź przykłady na maszynie wirtualnej w programie Jupyter w h2o katalogu .
Istnieje kilka innych bibliotek uczenia maszynowego na maszynach DSVM — na przykład popularny scikit-learn pakiet, który jest częścią dystrybucji języka Python Anaconda dla maszyn DSVM. Aby uzyskać listę pakietów dostępnych w językach Python, R i Julia, uruchom odpowiednie menedżery pakietów.
LightGBM
Kategoria
Wartość
Co to jest?
Szybka, rozproszona struktura zwiększająca gradient o wysokiej wydajności (GBDT, GBRT, GBRT, GBM lub MART) oparta na algorytmach drzewa decyzyjnego. Zadania uczenia maszynowego — klasyfikacja, klasyfikacja itp. — użyj ich.
Obsługiwane wersje
Windows, Linux
Typowe zastosowania
Struktura wzmacniania gradientu ogólnego przeznaczenia
Jak jest on skonfigurowany lub zainstalowany?
Program LightGBM jest instalowany jako pakiet języka Python w systemie Windows. W systemie Linux plik wykonywalny wiersza polecenia znajduje się w lokalizacji /opt/LightGBM/lightgbm. Pakiet języka R jest zainstalowany, a pakiety języka Python są instalowane.
Graficzny interfejs użytkownika do wyszukiwania danych używający języka R.
Obsługiwane wersje
Windows, Linux
Typowe zastosowania
Ogólne narzędzie do wyszukiwania danych interfejsu użytkownika dla języka R
Jak go używać lub uruchamiać
Jako narzędzie interfejsu użytkownika. W systemie Windows uruchom wiersz polecenia, uruchom język R, a następnie w języku R uruchom polecenie rattle(). W systemie Linux połącz się z X2Go, uruchom terminal, uruchom język R, a następnie w języku R uruchom polecenie rattle().
Kolekcja algorytmów uczenia maszynowego na potrzeby zadań wyszukiwania danych. Możesz zastosować algorytmy bezpośrednio lub wywołać je z własnego kodu Java. Weka zawiera narzędzia do przetwarzania wstępnego danych, klasyfikacji, regresji, klastrowania, reguł skojarzenia i wizualizacji.
Obsługiwane wersje
Windows, Linux
Typowe zastosowania
Ogólne narzędzie do uczenia maszynowego
Jak go używać lub uruchamiać
W systemie Windows wyszukaj ciąg Weka w menu Start . W systemie Linux zaloguj się przy użyciu platformy X2Go, a następnie przejdź do pozycji Programowanie>aplikacji>Weka.
Szybka, przenośna i rozproszona biblioteka zwiększająca gradient (GBDT, GBRT lub GBM) dla języków Python, R, Java, Scala, C++i nie tylko. Działa na jednej maszynie i na platformie Apache Hadoop i Spark.
Obsługiwane wersje
Windows, Linux
Typowe zastosowania
Ogólna biblioteka uczenia maszynowego
Jak jest on skonfigurowany lub zainstalowany?
Zainstalowane z obsługą procesora GPU
Jak go używać lub uruchamiać
Jako biblioteka języka Python (2.7 i 3.6 lub nowsze), pakiet języka R i narzędzie wiersza polecenia w ścieżce (C:\dsvm\tools\xgboost\bin\xgboost.exe dla systemów Windows i /dsvm/tools/xgboost/xgboost Linux)
Linki do przykładów
Przykłady znajdują się na maszynie wirtualnej, w /dsvm/tools/xgboost/demo systemie Linux i C:\dsvm\tools\xgboost\demo w systemie Windows.