Использование записных книжек Jupyter Notebook в Машинном обучении Azure

ОБЛАСТЬ ПРИМЕНЕНИЯ: Пакет SDK для Python azure-ai-ml версии 2 (current)

Репозиторий AzureML-Examples содержит последние (версии 2) примеры CLI Python для Машинного обучения Azure и пакета SDK. Дополнительные сведения о различных типах примеров см. в файле сведений.

В этой статье показано, как получить доступ к репозиторию из следующих сред:

  • Вычислительная операция Машинного обучения Azure
  • Собственный вычислительный ресурс
  • Виртуальная машина для обработки и анализа данных

Вы также можете просмотреть примеры кода для получения дополнительных примеров.

Самый простой способ начать работу с примерами — завершить создание ресурсов для начала работы. После завершения у вас есть выделенный сервер записной книжки, предварительно загруженный с помощью пакета SDK и репозитория Машинное обучение Azure Notebooks. Скачивать или устанавливать что-либо вам не нужно.

Чтобы просмотреть примеры записных книжек, выполните приведенные ниже действия.

  1. Войдите в студию и выберите рабочую область при необходимости.
  2. Выберите Записные книжки.
  3. Перейдите на вкладку "Примеры ". Используйте папку SDK версии 2 , например с помощью пакета SDK для Python версии 2.
  4. Откройте записную книжку, которую хотите запустить. Выберите клонировать эту записную книжку , чтобы создать копию в общей папке рабочей области. Это действие копирует записную книжку вместе с любыми зависимыми ресурсами в хранилище файлов в проекте.

Вариант 2. Доступ на собственном сервере записных книжек

Если вы хотите использовать собственный сервер записных книжек для локальной разработки, выполните следующие действия на компьютере.

  1. Чтобы установить пакет SDK (версии 2) службы "Машинное обучение Azure" для Python, выполните инструкции из этой статьи

  2. Создайте рабочую область Машинного обучения Azure.

  3. Клонируйте репозиторий примеров AzureML.

    git clone https://github.com/Azure/azureml-examples.git --depth 1
    
  4. Запустите сервер записных книжек из каталога, содержащего ваш клон.

    jupyter notebook
    

Выполнив эти инструкции вы установите основные пакеты SDK, требуемые для работы с руководствами по использованию записных книжек. Другие примеры записных книжек могут потребовать установки дополнительных компонентов. См. подробнее об установке пакета SDK Машинного обучения Azure для Python.

Вариант 3. Доступ на DSVM

Виртуальная машина для обработки и анализа данных (DSVM) — это настраиваемый образ виртуальной машины, созданный специально для обработки и анализа данных. Если вы создаете DSVM, сервер с пакетом SDK и записными книжками устанавливается и настраивается автоматически. Однако вам по-прежнему нужно создать рабочую область и клонировать пример репозитория.

  1. Создайте рабочую область Машинного обучения Azure.

  2. Клонируйте репозиторий AzureML-Examples.

    git clone https://github.com/Azure/azureml-examples.git **depth 1
    
  3. Запустите сервер записной книжки из каталога, содержащего клон.

    jupyter notebook
    

Подключение к рабочей области

Некоторые примеры используются MLClient.from_config() для подключения к рабочей области. Для работы этих примеров требуется файл конфигурации в каталоге по пути к образцу.

Файл конфигурации создается для вас в вычислительном экземпляре Машинное обучение Azure. Чтобы использовать код на собственном сервере записной книжки или DSVM, создайте файл конфигурации вручную. Для этого можно использовать один из следующих методов:

  • Напишите файл файла конфигурации (aml_config/config.json) в корне клонированного репозитория.

  • Скачайте файл конфигурации рабочей области:

    • Войдите в Студию машинного обучения Azure
    • Выберите параметры рабочей области в правом верхнем углу
    • Выберите Скачать файл конфигурации
    • Поместите файл в корневой каталог клонированного репозитория.

    Снимок экрана: скачивание config.json.

Изучите репозиторий AzureML-Examples, чтобы узнать, что Машинное обучение Azure может сделать.

Дополнительные примеры MLOps см. в разделе https://github.com/Azure/mlops-v2.

Ниже представлен список следующих руководств: