Cvičení – trénováním hluboké neurální sítě

25 min

Zatím jste se v tomto modulu naučili hodně o teorii a principech hlubokého učení s neurálními sítěmi. Nejlepším způsobem, jak se naučit tuto teorii použít, je skutečně vytvořit model hlubokého učení a to uděláte v tomto cvičení.

Pro trénování hlubokých neurálních sítí je k dispozici mnoho architektur. V tomto cvičení se můžete rozhodnout prozkoumat buď (nebo obojí) ze dvou z nejoblíbenějších architektur hlubokého učení pro Python: PyTorch a TensorFlow.

Než začnete

K dokončení cvičení budete potřebovat:

Předplatné Microsoft Azure. Pokud ho ještě nemáte, můžete si zaregistrovat bezplatnou zkušební verzi na webu https://azure.microsoft.com/free.
Pracovní prostor azure machine Učení s výpočetní instancí a naklonovaným úložištěm ml-basics.

Poznámka:

Tento modul využívá pracovní prostor Azure Machine Učení. Pokud tento modul dokončíte v rámci přípravy na certifikaci Azure Datoví vědci, zvažte vytvoření pracovního prostoru jednou a opětovné použití v jiných modulech. Po dokončení cvičení nezapomeňte podle pokynů k vyčištění zastavit výpočetní prostředky a zachovat pracovní prostor, pokud ho chcete znovu použít.

Vytvoření pracovního prostoru Azure Machine Learning

Pokud ještě nemáte pracovní prostor Azure Machine Učení ve svém předplatném Azure, vytvořte ho pomocí následujícího postupu:

Přihlaste se na web Azure Portal pomocí účtu Microsoft přidruženého k vašemu předplatnému Azure.
Na domovské stránce Azure v části Služby Azure vyberte Vytvořit prostředek. Zobrazí se podokno Vytvořit prostředek .
Do vyhledávacího pole Search a marketplace vyhledejte a vyberte Učení počítače. Zobrazí se podokno Azure Machine Učení.
Vyberte Vytvořit. Zobrazí se podokno Azure Machine Učení.

Na kartě Základy zadejte následující hodnoty pro každé nastavení.

Nastavení	Hodnota
Podrobnosti projektu
Předplatné	Vyberte předplatné Azure, které chcete použít pro toto cvičení.
Skupina prostředků	Vyberte odkaz Vytvořit nový a pojmenujte novou skupinu prostředků jedinečným názvem a vyberte OK.
Podrobnosti pracovního prostoru
Název pracovního prostoru	Zadejte jedinečný název aplikace. Můžete například použít název-machinelearn>.<
Oblast	V rozevíracím seznamu vyberte libovolné dostupné umístění.

Přijměte zbývající výchozí hodnoty a vyberte Zkontrolovat a vytvořit.
Po úspěšném ověření vyberte Vytvořit.

Počkejte, než se prostředek pracovního prostoru vytvoří, protože může trvat několik minut.
Po dokončení nasazení vyberte Přejít na prostředek. Zobrazí se podokno Strojové učení.
Vyberte Spustit studio nebo přejděte na https://ml.azure.coma přihlaste se pomocí svého účtu Microsoft. Zobrazí se stránka Microsoft studio Azure Machine Learning.
V studio Azure Machine Learning přepněte ☰ ikonu vlevo nahoře a rozbalte její podokno nabídek. Tyto možnosti můžete použít ke správě prostředků ve vašem pracovním prostoru.

Vytvoření výpočetní instance

Pokud chcete spustit poznámkový blok použitý v tomto cvičení, budete v pracovním prostoru Azure Machine Learning potřebovat výpočetní instanci.

V levém podokně nabídek v části Spravovat vyberte Compute. Zobrazí se podokno Výpočty .
Pokud už máte výpočetní instanci, spusťte ji na kartě Výpočetní instance. V opačném případě vytvořte novou výpočetní instanci výběrem možnosti Nový. Zobrazí se podokno Vytvořit výpočetní instanci .
Pro každé nastavení zadejte následující hodnoty:
- Název výpočetního prostředku: Zadejte jedinečný název.
- Typ virtuálního počítače: CPU
- Velikost virtuálního počítače: Vyberte z doporučených možností: Standard_DS11_v2
Vyberte Vytvořit. Podokno Výpočetní prostředky se znovu zobrazí se seznamem výpočetních instancí .
Počkejte, než se výpočetní instance spustí, protože to může trvat několik minut. Ve sloupci Stav se vaše výpočetní instance změní na Spuštěno.

Klonování úložiště ml-basics

Soubory použité v tomto modulu a další související moduly se publikují v úložišti MicrosoftDocs/ml-basics Na GitHubu. Pokud jste to ještě neudělali, naklonujte úložiště do svého pracovního prostoru azure Učení následujícím postupem:

V levé nabídce studio Azure Machine Learning vyberte Pracovní prostory a pak vyberte pracovní prostor, který jste vytvořili v seznamu.
Pod nadpisem Vytváření obsahu na levé straně vyberte odkaz Poznámkové bloky a otevřete poznámkové bloky Jupyter. Zobrazí se podokno Poznámkové bloky .
Vpravo vyberte tlačítko Terminál. Zobrazí se terminálové prostředí.
Spuštěním následujících příkazů změňte aktuální adresář na adresář Users a naklonujte úložiště ml-basics , které obsahuje poznámkový blok a soubory, které použijete v tomto cvičení.
```
cd Users
git clone https://github.com/microsoftdocs/ml-basics
```
Po dokončení příkazu a dokončení rezervace souborů zavřete kartu terminálu a zobrazte domovskou stránku v Průzkumníku souborů Jupyter Notebook.
Otevřete složku Users – měla by obsahovat složku ml-basics obsahující soubory, které budete v tomto modulu používat.

Poznámka:

V tomto cvičení důrazně doporučujeme používat Jupyter v pracovním prostoru Azure Machine Učení. Toto nastavení zajišťuje správnou verzi Pythonu a různé balíčky, které budete potřebovat, budou nainstalovány; a po vytvoření pracovního prostoru ho můžete znovu použít v jiných modulech. Pokud chcete cvičení dokončit v prostředí Pythonu na vlastním počítači, můžete to udělat. Podrobnosti o konfiguraci místního vývojového prostředí, které používá Visual Studio Code, najdete ve spuštění testovacích prostředí na vlastním počítači. Mějte na paměti, že pokud se rozhodnete tuto akci provést, nemusí se pokyny ve cvičení shodovat s uživatelským rozhraním poznámkových bloků.

Trénování modelu hluboké neurální sítě

Po vytvoření prostředí Jupyter a naklonování úložiště ml-basics jste připraveni prozkoumat hloubkové učení.

Ve složce Základy ml otevřete v Jupyteru poznámkový blok Deep Neural Networks (PyTorch).ipynb nebo Deep Neural Networks (Tensorflow).ipynb, v závislosti na předvolbě architektury a postupujte podle pokynů, které obsahuje.
Až skončíte, zavřete a zastavte všechny poznámkové bloky.