Configurare un lab incentrato sul Deep Learning nell'elaborazione del linguaggio naturale con Azure Lab Services
Importante
Azure Lab Services verrà ritirato il 28 giugno 2027. Per altre informazioni, vedere la guida al ritiro.
Nota
Questo articolo fa riferimento alle funzionalità disponibili nei piani lab, che hanno sostituito gli account lab.
Questo articolo illustra come configurare un lab incentrato sul Deep Learning nell'elaborazione del linguaggio naturale (NLP) con Azure Lab Services. NLP è una forma di intelligenza artificiale che offre a computer di strumenti di traduzione, riconoscimento vocale e altre funzionalità di comprensione del linguaggio.
Studenti che frequentano un corso di NLP con una macchina virtuale Linux per imparare come applicare gli algoritmi della rete neurale. Gli algoritmi insegnano agli studenti a sviluppare modelli di Deep Learning usati per l'analisi del linguaggio umano scritto.
Configurazione del lab
Per configurare questo lab, è necessaria una sottoscrizione di Azure e un account lab per iniziare. Se non si ha una sottoscrizione di Azure, creare un account gratuito prima di iniziare.
Dopo aver creato una sottoscrizione di Azure, è possibile creare un nuovo piano lab in Azure Lab Services. Per altre informazioni sulla creazione di un nuovo piano lab, vedere l'esercitazione su come configurare un piano lab. È anche possibile usare un piano lab esistente.
Impostazioni del piano lab
Abilitare le impostazioni descritte nella tabella seguente per il piano lab. Per altre informazioni su come abilitare immagini del marketplace, vedere come Specificare le immagini del Marketplace disponibili per i creatori di lab.
| Impostazioni del piano lab | Istruzioni |
|---|---|
| Immagini del Marketplace | Abilitare l'immagine di Data Science Virtual Machine per Linux (Ubuntu) |
Impostazioni del lab
Per istruzioni su come creare un lab, vedere Esercitazione: Configurare un lab. Usare le impostazioni seguenti durante la creazione del lab:
| Impostazioni del lab | Valore |
|---|---|
| Dimensioni della macchina virtuale | GPU small (calcolo). Queste dimensioni sono più indicate per applicazioni a elevato utilizzo di calcolo e di rete quali intelligenza artificiale e Deep Learning. |
| Immagine della macchina virtuale | Data Science Virtual Machine per Linux (Ubuntu). Questa immagine fornisce framework per Deep Learning e strumenti per apprendimento automatico e data science. Per visualizzare l'elenco completo degli strumenti installati in questa immagine, vedere Cosa include Data Science Virtual Machine?. |
| Abilita Connessione Desktop remoto | In modo facoltativo, controllare Abilitare Connessione Desktop remoto. L'immagine Data Science è già configurata per l'uso di X2Go in modo che i docenti e gli studenti possano connettersi usando un desktop remoto con interfaccia utente grafica. X2Go non richiede l'abilitazione dell'impostazione Abilita Connessione Desktop remoto. |
| Impostazioni della macchina virtuale modello | In modo facoltativo, scegliere Usare un'immagine di macchina virtuale senza personalizzazione. Se si usano piani lab e Data Science Virtual Machine include tutti gli strumenti necessari per il corso, è possibile ignorare il passaggio di personalizzazione del modello. |
Importante
È consigliabile usare X2Go con l'immagine Data Science. Tuttavia, se si sceglie di usare Remote Desktop Protocol, è necessario connettersi alla macchina virtuale Linux usando SSH e installare i pacchetti RDP e GUI prima di pubblicare il lab. Gli studenti possono quindi connettersi alla macchina virtuale Linux usando Remote Desktop Protocol in un secondo momento. Per altre informazioni, vedere Abilitare Desktop remoto grafico per le macchine virtuali Linux.
Configurazione macchina del modello
L'immagine Data Science Virtual Machine per Linux fornisce framework e strumenti di Deep Learning necessari per questo tipo di classe. Se si sceglie Usare un'immagine di macchina virtuale senza personalizzazione durante la creazione del lab, la possibilità di personalizzare la macchina modello verrà disabilitata. È possibile pubblicare il lab quando è tutto pronto.
Conclusione
In questo articolo è stata illustrata la procedura per creare un lab per il corso di elaborazione del linguaggio naturale. È possibile usare una configurazione simile per altre classi di Deep Learning.
Passaggi successivi
È ora possibile pubblicare l'immagine modello nel lab. Per altre informazioni, vedere Pubblicare il modello di macchina virtuale.
Durante la configurazione del lab, vedere gli articoli seguenti: