国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示

這篇具有很好參考價(jià)值的文章主要介紹了Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方,請(qǐng)大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。

關(guān)注TechLead,分享AI全維度知識(shí)。作者擁有10+年互聯(lián)網(wǎng)服務(wù)架構(gòu)、AI產(chǎn)品研發(fā)經(jīng)驗(yàn)、團(tuán)隊(duì)管理經(jīng)驗(yàn),同濟(jì)本復(fù)旦碩,復(fù)旦機(jī)器人智能實(shí)驗(yàn)室成員,阿里云認(rèn)證的資深架構(gòu)師,項(xiàng)目管理專業(yè)人士,上億營(yíng)收AI產(chǎn)品研發(fā)負(fù)責(zé)人。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-719171.html

Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

本文內(nèi)容

了解如何在 Azure 機(jī)器學(xué)習(xí)云工作站上使用筆記本開發(fā)訓(xùn)練腳本。 本教程涵蓋入門所需的基礎(chǔ)知識(shí):

  • 設(shè)置和配置云工作站。 云工作站由 Azure 機(jī)器學(xué)習(xí)計(jì)算實(shí)例提供支持,該實(shí)例預(yù)配置了環(huán)境以支持各種模型開發(fā)需求。
  • 使用基于云的開發(fā)環(huán)境。
  • 使用 MLflow 跟蹤模型指標(biāo),所有都是在筆記本中完成的。

先決條件

若要使用 Azure 機(jī)器學(xué)習(xí),你首先需要一個(gè)工作區(qū)。 如果沒有工作區(qū),請(qǐng)完成“創(chuàng)建開始使用所需的資源”以創(chuàng)建工作區(qū)并詳細(xì)了解如何使用它。

從“筆記本”開始

工作區(qū)中的“筆記本”部分是開始了解 Azure 機(jī)器學(xué)習(xí)及其功能的好地方。 在這里,可以連接到計(jì)算資源、使用終端,以及編輯和運(yùn)行 Jupyter Notebook 和腳本。

  1. 登錄到 Azure 機(jī)器學(xué)習(xí)工作室。
  2. 選擇你的工作區(qū)(如果它尚未打開)。
  3. 在左側(cè)導(dǎo)航中,選擇“筆記本”。
  4. 如果沒有計(jì)算實(shí)例,屏幕中間會(huì)顯示“創(chuàng)建計(jì)算”。 選擇“創(chuàng)建計(jì)算”并填寫表單。 可以使用所有默認(rèn)值。 (如果已有計(jì)算實(shí)例,則會(huì)在該位置看到“終端”。本教程稍后會(huì)使用“終端”。)

Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

設(shè)置用于原型制作的新環(huán)境(可選)

為使腳本運(yùn)行,需要在配置了代碼所需的依賴項(xiàng)和庫(kù)的環(huán)境中工作。 本部分可幫助你創(chuàng)建適合代碼的環(huán)境。 若要?jiǎng)?chuàng)建筆記本連接到的新 Jupyter 內(nèi)核,請(qǐng)使用定義依賴項(xiàng)的 YAML 文件。

- 上傳文件

上傳的文件存儲(chǔ)在 Azure 文件共享中,這些文件將裝載到每個(gè)計(jì)算實(shí)例并在工作區(qū)中共享。

1. 使用右上角的 下載原始文件 按鈕,將此 conda 環(huán)境文件 [workstation_env.yml](github.com) 下載到計(jì)算機(jī)。
1. 選擇“添加文件”,然后選擇“上傳文件”,將其上傳到工作區(qū)。

Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

2. 選擇“瀏覽并選擇文件”。
3. 選擇下載的 workstation_env.yml 文件。
4. 選擇“上傳”。

你將在“文件”選項(xiàng)卡的用戶名文件夾下看到 workstation_env.yml 文件。請(qǐng)選擇此文件以預(yù)覽它,并查看它指定的依賴項(xiàng)。 你將看到如下所示的內(nèi)容:

name: workstation_env
dependencies:
  - python=3.8
  - pip=21.2.4
  - scikit-learn=0.24.2
  - scipy=1.7.1
  - pandas>=1.1,<1.2
  - pip:
    - mlflow==2.4.1 
    - azureml-mlflow==1.51.0
    - psutil>=5.8,<5.9
    - ipykernel~=6.0
    - matplotlib

- 創(chuàng)建內(nèi)核

現(xiàn)在,使用 Azure 機(jī)器學(xué)習(xí)終端基于 workstation_env.yml 文件創(chuàng)建新的 Jupyter 內(nèi)核。

1. 選擇“終端”以打開終端窗口。 還可以從左側(cè)命令欄打開終端:

Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

2. 如果計(jì)算實(shí)例已停止,請(qǐng)選擇“啟動(dòng)計(jì)算”,并等待它運(yùn)行。

Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

3. 計(jì)算運(yùn)行后,終端中會(huì)顯示一條歡迎消息,可以開始鍵入命令。
4. 查看當(dāng)前的 conda 環(huán)境。 活動(dòng)環(huán)境標(biāo)有 *。

    conda env list

5. 如果為本教程創(chuàng)建了子文件夾,請(qǐng)立即運(yùn)行 `cd` 轉(zhuǎn)到該文件夾。
6. 根據(jù)提供的 conda 文件創(chuàng)建環(huán)境。 構(gòu)建此環(huán)境需要幾分鐘時(shí)間。

    conda env create -f workstation_env.yml

7. 激活新環(huán)境。

    conda activate workstation_env

8. 驗(yàn)證正確的環(huán)境是否處于活動(dòng)狀態(tài),再次查找標(biāo)有 * 的環(huán)境。

    conda env list

9. 基于活動(dòng)環(huán)境創(chuàng)建新的 Jupyter 內(nèi)核。

    python -m ipykernel install --user --name workstation_env --display-name "Tutorial Workstation Env" 

10. 關(guān)閉終端窗口。

創(chuàng)建筆記本

  1. 選擇“添加文件”,然后選擇“創(chuàng)建新文件”。
    Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

  2. 將新筆記本命名為 develop-tutorial.ipynb(或輸入首選名稱)。

  3. 如果計(jì)算實(shí)例已停止,請(qǐng)選擇“啟動(dòng)計(jì)算”,并等待它運(yùn)行。
    Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

  4. 你將在右上角看到筆記本已連接到默認(rèn)內(nèi)核。 如果創(chuàng)建了內(nèi)核,請(qǐng)切換到使用 Tutorial Workstation Env 內(nèi)核。

開發(fā)訓(xùn)練腳本

在本部分中,你將使用 UCI 數(shù)據(jù)集中準(zhǔn)備好的測(cè)試和訓(xùn)練數(shù)據(jù)集開發(fā)一個(gè) Python 訓(xùn)練腳本,用于預(yù)測(cè)信用卡默認(rèn)付款。

此代碼使用 sklearn 進(jìn)行訓(xùn)練,使用 MLflow 來(lái)記錄指標(biāo)。

  1. 從可導(dǎo)入將在訓(xùn)練腳本中使用的包和庫(kù)的代碼開始。

    import os
    import argparse
    import pandas as pd
    import mlflow
    import mlflow.sklearn
    from sklearn.ensemble import GradientBoostingClassifier
    from sklearn.metrics import classification_report
    from sklearn.model_selection import train_test_split
    
  2. 接下來(lái),加載并處理此試驗(yàn)的數(shù)據(jù)。 在本教程中,將從 Internet 上的一個(gè)文件讀取數(shù)據(jù)。

    # load the data
    credit_df = pd.read_csv(
        "https://azuremlexamples.blob.core.windows.net/datasets/credit_card/default_of_credit_card_clients.csv",
        header=1,
        index_col=0,
    )
    
    train_df, test_df = train_test_split(
        credit_df,
        test_size=0.25,
    )
    
  3. 準(zhǔn)備好數(shù)據(jù)進(jìn)行訓(xùn)練:

    # Extracting the label column
    y_train = train_df.pop("default payment next month")
    
    # convert the dataframe values to array
    X_train = train_df.values
    
    # Extracting the label column
    y_test = test_df.pop("default payment next month")
    
    # convert the dataframe values to array
    X_test = test_df.values
    
  4. 添加代碼以使用 MLflow 開始自動(dòng)記錄,以便可以跟蹤指標(biāo)和結(jié)果。 MLflow 具有模型開發(fā)的迭代性質(zhì),可幫助你記錄模型參數(shù)和結(jié)果。 請(qǐng)回顧這些運(yùn)行,比較并了解模型的性能。 這些日志還為你準(zhǔn)備好從 Azure 機(jī)器學(xué)習(xí)中工作流的開發(fā)階段轉(zhuǎn)到訓(xùn)練階段提供上下文。

    # set name for logging
    mlflow.set_experiment("Develop on cloud tutorial")
    # enable autologging with MLflow
    mlflow.sklearn.autolog()
    
  5. 訓(xùn)練模型。

    # Train Gradient Boosting Classifier
    print(f"Training with data of shape {X_train.shape}")
    
    mlflow.start_run()
    clf = GradientBoostingClassifier(n_estimators=100, learning_rate=0.1)
    clf.fit(X_train, y_train)
    
    y_pred = clf.predict(X_test)
    
    print(classification_report(y_test, y_pred))
    # Stop logging for this model
    mlflow.end_run()
    

注意

可以忽略 mlflow 警告。 你仍將獲得需要跟蹤的所有結(jié)果。

迭代

現(xiàn)在你已經(jīng)有了模型結(jié)果,可能需要更改某些內(nèi)容,然后重試。 例如,請(qǐng)嘗試其他分類器技術(shù):

# Train  AdaBoost Classifier
from sklearn.ensemble import AdaBoostClassifier

print(f"Training with data of shape {X_train.shape}")

mlflow.start_run()
ada = AdaBoostClassifier()

ada.fit(X_train, y_train)

y_pred = ada.predict(X_test)

print(classification_report(y_test, y_pred))
# Stop logging for this model
mlflow.end_run()

注意
可以忽略 mlflow 警告。 你仍將獲得需要跟蹤的所有結(jié)果。

檢查結(jié)果

現(xiàn)在,你已嘗試兩個(gè)不同的模型,請(qǐng)使用 MLflow 跟蹤的結(jié)果來(lái)確定哪個(gè)模型更好。 可以引用準(zhǔn)確性等指標(biāo),或者引用對(duì)方案最重要的其他指標(biāo)。 可以通過(guò)查看 MLflow 創(chuàng)建的作業(yè)來(lái)更詳細(xì)地了解這些結(jié)果。

  1. 在左側(cè)導(dǎo)航欄中,選擇“作業(yè)”。
    Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

  2. 選擇“在云上開發(fā)教程”的鏈接。

  3. 顯示了兩個(gè)不同的作業(yè),每個(gè)已嘗試的模型對(duì)應(yīng)一個(gè)。 這些名稱是自動(dòng)生成的。 將鼠標(biāo)懸停在某個(gè)名稱上時(shí),如果要重命名該名稱,請(qǐng)使用名稱旁邊的鉛筆工具。

  4. 選擇第一個(gè)作業(yè)的鏈接。 名稱顯示在頂部。 還可以在此處使用鉛筆工具重命名它。

  5. 該頁(yè)顯示作業(yè)的詳細(xì)信息,例如屬性、輸出、標(biāo)記和參數(shù)。 在“標(biāo)記”下,你將看到 estimator_name,其描述模型的類型。

  6. 選擇“指標(biāo)”選項(xiàng)卡以查看 MLflow 記錄的指標(biāo)。 (預(yù)期結(jié)果會(huì)有所不同,因?yàn)橛?xùn)練集不同。)
    Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

  7. 選擇“圖像”選項(xiàng)卡以查看 MLflow 生成的圖像。
    Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示,人工智能,azure,機(jī)器學(xué)習(xí),microsoft

  8. 返回并查看其他模型的指標(biāo)和圖像。

關(guān)注TechLead,分享AI全維度知識(shí)。作者擁有10+年互聯(lián)網(wǎng)服務(wù)架構(gòu)、AI產(chǎn)品研發(fā)經(jīng)驗(yàn)、團(tuán)隊(duì)管理經(jīng)驗(yàn),同濟(jì)本復(fù)旦碩,復(fù)旦機(jī)器人智能實(shí)驗(yàn)室成員,阿里云認(rèn)證的資深架構(gòu)師,項(xiàng)目管理專業(yè)人士,上億營(yíng)收AI產(chǎn)品研發(fā)負(fù)責(zé)人。

到了這里,關(guān)于Azure云工作站上做Machine Learning模型開發(fā) - 全流程演示的文章就介紹完了。如果您還想了解更多內(nèi)容,請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來(lái)自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請(qǐng)注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • Azure Machine Learning - 使用 Azure OpenAI 服務(wù)生成圖像

    Azure Machine Learning - 使用 Azure OpenAI 服務(wù)生成圖像

    在瀏覽器/Python中使用 Azure OpenAI 生成圖像,圖像生成 API 根據(jù)文本提示創(chuàng)建圖像。 關(guān)注TechLead,分享AI全維度知識(shí)。作者擁有10+年互聯(lián)網(wǎng)服務(wù)架構(gòu)、AI產(chǎn)品研發(fā)經(jīng)驗(yàn)、團(tuán)隊(duì)管理經(jīng)驗(yàn),同濟(jì)本復(fù)旦碩,復(fù)旦機(jī)器人智能實(shí)驗(yàn)室成員,阿里云認(rèn)證的資深架構(gòu)師,項(xiàng)目管理專業(yè)人士,上

    2024年02月05日
    瀏覽(29)
  • Azure Machine Learning - 使用 REST API 創(chuàng)建 Azure AI 搜索索引

    Azure Machine Learning - 使用 REST API 創(chuàng)建 Azure AI 搜索索引

    本文介紹如何使用 Azure AI 搜索 REST AP和用于發(fā)送和接收請(qǐng)求的 REST 客戶端以交互方式構(gòu)建請(qǐng)求。 關(guān)注TechLead,分享AI全維度知識(shí)。作者擁有10+年互聯(lián)網(wǎng)服務(wù)架構(gòu)、AI產(chǎn)品研發(fā)經(jīng)驗(yàn)、團(tuán)隊(duì)管理經(jīng)驗(yàn),同濟(jì)本復(fù)旦碩,復(fù)旦機(jī)器人智能實(shí)驗(yàn)室成員,阿里云認(rèn)證的資深架構(gòu)師,項(xiàng)目管理

    2024年02月04日
    瀏覽(28)
  • Azure Machine Learning - Azure OpenAI GPT 3.5 Turbo 微調(diào)教程

    Azure Machine Learning - Azure OpenAI GPT 3.5 Turbo 微調(diào)教程

    本教程將引導(dǎo)你在Azure平臺(tái)完成對(duì) gpt-35-turbo-0613 模型的微調(diào)。 關(guān)注TechLead,分享AI全維度知識(shí)。作者擁有10+年互聯(lián)網(wǎng)服務(wù)架構(gòu)、AI產(chǎn)品研發(fā)經(jīng)驗(yàn)、團(tuán)隊(duì)管理經(jīng)驗(yàn),同濟(jì)本復(fù)旦碩,復(fù)旦機(jī)器人智能實(shí)驗(yàn)室成員,阿里云認(rèn)證的資深架構(gòu)師,項(xiàng)目管理專業(yè)人士,上億營(yíng)收AI產(chǎn)品研發(fā)負(fù)

    2024年02月04日
    瀏覽(24)
  • Azure Machine Learning - Azure AI 搜索中的集成數(shù)據(jù)分塊和嵌入

    Azure Machine Learning - Azure AI 搜索中的集成數(shù)據(jù)分塊和嵌入

    在基于索引器的索引編制中,Azure AI _集成矢量化_將數(shù)據(jù)分塊和文本到矢量嵌入添加到技能中,它還為查詢添加文本到矢量的轉(zhuǎn)換。 關(guān)注TechLead,分享AI全維度知識(shí)。作者擁有10+年互聯(lián)網(wǎng)服務(wù)架構(gòu)、AI產(chǎn)品研發(fā)經(jīng)驗(yàn)、團(tuán)隊(duì)管理經(jīng)驗(yàn),同濟(jì)本復(fù)旦碩,復(fù)旦機(jī)器人智能實(shí)驗(yàn)室成員,

    2024年02月05日
    瀏覽(20)
  • Azure Machine Learning - Azure OpenAI 服務(wù)使用 GPT-35-Turbo and GPT-4

    Azure Machine Learning - Azure OpenAI 服務(wù)使用 GPT-35-Turbo and GPT-4

    通過(guò) Azure OpenAI 服務(wù)使用 GPT-35-Turbo and GPT-4 Azure 訂閱 - 免費(fèi)創(chuàng)建訂閱 已在所需的 Azure 訂閱中授予對(duì) Azure OpenAI 服務(wù)的訪問權(quán)限。 目前,僅應(yīng)用程序授予對(duì)此服務(wù)的訪問權(quán)限。 可以填寫 https://aka.ms/oai/access 處的表單來(lái)申請(qǐng)對(duì) Azure OpenAI 服務(wù)的訪問權(quán)限。 Python 3.7.1 或更高版本。

    2024年02月05日
    瀏覽(58)
  • 選擇和訓(xùn)練模型(Machine Learning 研習(xí)之十一)

    選擇和訓(xùn)練模型(Machine Learning 研習(xí)之十一)

    當(dāng)您看到本文標(biāo)題時(shí),不禁感嘆,總算是到了 訓(xùn)練模型 這一節(jié)了。 是啊,在之前的文章中,我們對(duì)數(shù)據(jù)進(jìn)行了探索,以及對(duì)一個(gè)訓(xùn)練集和一個(gè)測(cè)試集進(jìn)行了采樣,也編寫了一個(gè) 預(yù)處理 管道來(lái)自動(dòng)清理,準(zhǔn)備您的數(shù)據(jù)用于 機(jī)器學(xué)習(xí) 算法,然而現(xiàn)在,我們可以選擇并訓(xùn)練模型

    2024年01月18日
    瀏覽(19)
  • [Machine learning][Part4] 多維矩陣下的梯度下降線性預(yù)測(cè)模型的實(shí)現(xiàn)

    [Machine learning][Part4] 多維矩陣下的梯度下降線性預(yù)測(cè)模型的實(shí)現(xiàn)

    目錄 模型初始化信息: 模型實(shí)現(xiàn): 多變量損失函數(shù): 多變量梯度下降實(shí)現(xiàn): 多變量梯度實(shí)現(xiàn): 多變量梯度下降實(shí)現(xiàn): 之前部分實(shí)現(xiàn)的梯度下降線性預(yù)測(cè)模型中的training example只有一個(gè)特征屬性:房屋面積,這顯然是不符合實(shí)際情況的,這里增加特征屬性的數(shù)量再實(shí)現(xiàn)一次

    2024年02月06日
    瀏覽(19)
  • (3)【Python數(shù)據(jù)分析進(jìn)階】Machine-Learning模型與算法應(yīng)用-線性回歸與邏輯回歸

    (3)【Python數(shù)據(jù)分析進(jìn)階】Machine-Learning模型與算法應(yīng)用-線性回歸與邏輯回歸

    目錄 一、Linear Regression線性回歸應(yīng)用 一元一次線性回歸公式及解析 應(yīng)用案例(一)——自定義數(shù)據(jù)(Custom data) 1、下載安裝sklearn庫(kù) 2、導(dǎo)入庫(kù)函數(shù) 3、加載數(shù)據(jù)集 4、創(chuàng)建線性回歸對(duì)象 5、模型訓(xùn)練 6、預(yù)測(cè)結(jié)果 7、繪制模型圖像 8、應(yīng)用模型進(jìn)行預(yù)測(cè) 9、評(píng)估指標(biāo) 應(yīng)用案例(

    2024年01月24日
    瀏覽(28)
  • 【Machine Learning】Supervised Learning

    本筆記基于清華大學(xué)《機(jī)器學(xué)習(xí)》的課程講義監(jiān)督學(xué)習(xí)相關(guān)部分,基本為筆者在考試前一兩天所作的Cheat Sheet。內(nèi)容較多,并不詳細(xì),主要作為復(fù)習(xí)和記憶的資料。 f ( x ) = s i g n ( w ? x + b ) f(x)=sign(w^top x+b) f ( x ) = s i g n ( w ? x + b ) convergence output probability instead of labels. Loss

    2024年01月20日
    瀏覽(24)
  • 機(jī)器學(xué)習(xí)(Machine Learning)

    機(jī)器學(xué)習(xí)(Machine Learning)

    bili 吳恩達(dá) 機(jī)器學(xué)習(xí) 這是一門讓計(jì)算機(jī)在沒有明確編程的情況下學(xué)習(xí)的科學(xué)。 亞瑟·塞繆爾(1959):賦予計(jì)算機(jī)學(xué)習(xí)能力而不被明確編程的研究領(lǐng)域。 機(jī)器學(xué)習(xí)作為人工智能的一個(gè)子領(lǐng)域。專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為,以獲取新的知識(shí)或技能,重新組織已

    2024年02月09日
    瀏覽(20)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請(qǐng)作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包