Trainieren von Modellen im Arbeitsbereich

  • 6 Minuten

Zum Trainieren von Modellen mit dem Azure Machine Learning-Arbeitsbereich haben Sie mehrere Optionen:

  • Verwenden Sie automatisiertes maschinelles Lernen.
  • Ausführen eines Jupyter Notebooks
  • Führen Sie ein Skript als Auftrag aus.

Untersuchen von Algorithmen und Hyperparameterwerten mit automatisiertem maschinellem Lernen

Wenn Sie über ein Trainingsdataset verfügen und das Modell mit der besten Leistung ermitteln müssen, sollten Sie mit verschiedenen Algorithmen und Hyperparameterwerten experimentieren.

Das manuelle Experimentieren mit verschiedenen Konfigurationen zum Trainieren eines Modells kann lange dauern. Alternativ können Sie den Prozess mit automatisiertem maschinellem Lernen beschleunigen.

Automatisiertes maschinelles Lernen durchläuft Algorithmen, die mit Featureauswahlen gekoppelt sind, um das leistungsstärkste Modell für Ihre Daten zu finden.

Screenshot einer Aufgabenauswahl beim Konfigurieren von automatisiertem maschinellem Lernen.

Ausführen eines Notebooks

Wenn Sie zum Entwickeln lieber Code in Notebooks ausführen möchten, können Sie das integrierte Notebookfeature im Arbeitsbereich verwenden.

Auf der Seite Notebooks im Studio können Sie Jupyter Notebooks bearbeiten und ausführen.

Screenshot eines geöffneten Notebooks in Azure Machine Learning Studio.

Alle Dateien, die Sie im Notebooks-Abschnitt klonen oder erstellen, werden in der Dateifreigabe des Azure Storage-Kontos gespeichert, das mit dem Arbeitsbereich erstellt wurde.

Zum Ausführen von Notebooks verwenden Sie eine Computeinstanz, da sie sich ideal für die Entwicklung eignet und ähnlich wie ein virtueller Computer funktioniert.

Sie können Notebooks auch in Visual Studio Code bearbeiten und ausführen, während Sie zum Ausführen der Notebooks weiterhin eine Computeinstanz verwenden.

Ausführen eines Skripts als Auftrag

Wenn Sie Ihren Code so vorbereiten möchten, dass er produktionsbereit ist, sollten Sie besser Skripts verwenden. Sie können die Ausführung von Skripts einfach automatisieren, um jede Machine Learning-Workload zu automatisieren.

Sie können ein Skript als Auftrag in Azure Machine Learning ausführen. Wenn Sie einen Auftrag an den Arbeitsbereich übermitteln, werden alle Eingaben und Ausgaben im Arbeitsbereich gespeichert.

Screenshot der Übersicht eines Befehlsauftrags mit den Eigenschaften, Eingaben und Ausgaben.

Es gibt verschiedene Arten von Aufträgen, je nachdem, wie Sie eine Workload ausführen möchten:

  • Befehl: Führen Sie ein einzelnes Skript aus.
  • Aufräumen: Führen Sie Hyperparameteroptimierung durch, wenn Sie ein einzelnes Skript ausführen.
  • Pipeline: Führen Sie eine Pipeline aus, die aus mehreren Skripts oder Komponenten besteht.

Hinweis

Wenn Sie eine Pipeline übermitteln, die Sie mit dem Designer erstellt haben, wird sie als Pipelineauftrag ausgeführt. Wenn Sie ein Experiment für automatisiertes maschinelles Lernen übermitteln, wird es auch als Auftrag ausgeführt.