Nástroje pro strojové učení a datové vědy ve službě Azure Datová Věda Virtual Machines
Článek
Azure Datová Věda Virtual Machines (DSVM) má bohatou sadu nástrojů a knihoven pro strojové učení. Tyto prostředky jsou dostupné v oblíbených jazycích, jako jsou Python, R a Julia.
DsVM podporuje tyto nástroje a knihovny strojového učení:
Cloudovou službu Azure Machine Learning můžete použít k vývoji a nasazení modelů strojového učení. Sadu Python SDK můžete použít ke sledování modelů při sestavování, trénování, škálování a správě modelů. Nasaďte modely jako kontejnery a spouštějte je v cloudu, místně nebo v Azure IoT Edge.
Podporované edice
Windows (prostředí conda: AzureML), Linux (prostředí conda: py36)
Typické použití
Obecná platforma strojového učení
Jak se konfiguruje nebo instaluje?
Nainstalované s podporou GPU
Jak ho používat nebo spustit
Jako sada Python SDK a v Azure CLI. Aktivujte prostředí conda AzureML v edici Windows nebo ho aktivujte v py36 edici Linuxu.
Odkaz na ukázky
V adresáři v AzureML části Poznámkové bloky vyhledejte ukázkové poznámkové bloky Jupyter.
H2O
Kategorie
Hodnota
Co je to?
Opensourcová platforma AI, která podporuje distribuované, rychlé a škálovatelné strojové učení v paměti.
Podporované verze
Linux
Typické použití
Distribuované a škálovatelné strojové učení pro obecné účely
Jak se konfiguruje nebo instaluje?
H2O je nainstalován v /dsvm/tools/h2o.
Jak ho používat nebo spustit
Připojte se k virtuálnímu počítači pomocí X2Go. Spusťte nový terminál a spusťte java -jar /dsvm/tools/h2o/current/h2o.jarpříkaz . Pak spusťte webový prohlížeč a připojte se k http://localhost:54321.
Odkaz na ukázky
V rámci adresáře vyhledejte ukázky na virtuálním počítači v Jupyteru h2o .
Na virtuálních počítačích DSVM existuje několik dalších knihoven strojového učení – například oblíbený scikit-learn balíček, který je součástí distribuce Anaconda Pythonu pro DSVM. Seznam balíčků dostupných v Pythonu, R a Julii zobrazíte spuštěním příslušných správců balíčků.
LightGBM
Kategorie
Hodnota
Co je to?
Architektura rychlého, distribuovaného, vysoce výkonného zvýšení přechodu (GBDT, GBRT, GBM nebo MART) na základě algoritmů rozhodovacího stromu. Úkoly strojového učení – řazení, klasifikace atd. – použijte je.
Podporované verze
Windows, Linux
Typické použití
Architektura pro zvýšení přechodu pro obecné účely
Jak se konfiguruje nebo instaluje?
LightGBM se nainstaluje jako balíček Pythonu ve Windows. V Linuxu se spustitelný soubor příkazového řádku nachází v /opt/LightGBM/lightgbmumístění . Nainstaluje se balíček R a nainstalují se balíčky Pythonu.
Grafické uživatelské rozhraní pro dolování dat, které používá jazyk R.
Podporované edice
Windows, Linux
Typické použití
Obecný nástroj pro dolování dat uživatelského rozhraní pro R
Jak ho používat nebo spustit
Jako nástroj uživatelského rozhraní. Ve Windows spusťte příkazový řádek, spusťte R a pak uvnitř R spusťte rattle()příkaz . V Linuxu se připojte pomocí X2Go, spusťte terminál, spusťte R a pak v R spusťte rattle().
Kolekce algoritmů strojového učení pro úlohy dolování dat. Algoritmy můžete použít přímo nebo je můžete volat z vlastního kódu Java. Weka obsahuje nástroje pro předběžné zpracování dat, klasifikaci, regresi, clustering, pravidla přidružení a vizualizaci.
Podporované edice
Windows, Linux
Typické použití
Obecný nástroj strojového učení
Jak ho používat nebo spustit
Ve Windows vyhledejte Weka v nabídce Start . V Linuxu se přihlaste pomocí X2Go a pak přejděte do >aplikace Development>Weka.
Rychlá, přenosná a distribuovaná knihovna pro zvýšení přechodu (GBDT, GBRT nebo GBM) pro Python, R, Javu, Scalu, C++ a další. Běží na jednom počítači a na Apache Hadoopu a Sparku.
Podporované edice
Windows, Linux
Typické použití
Obecná knihovna strojového učení
Jak se konfiguruje nebo instaluje?
Nainstalované s podporou GPU
Jak ho používat nebo spustit
Jako knihovna Pythonu (2.7 a 3.6+), balíček R a nástroj příkazového řádku na cestě (C:\dsvm\tools\xgboost\bin\xgboost.exe pro Windows a /dsvm/tools/xgboost/xgboost Linux)
Odkazy na ukázky
Ukázky jsou součástí virtuálního počítače, v /dsvm/tools/xgboost/demo Linuxu a C:\dsvm\tools\xgboost\demo Ve Windows.