Azure Machine Learning スタジオでカスタム キュレーションされた PyTorch 用 Azure コンテナー (ACPT) 環境を作成する
この記事では、Azure Machine Learning でカスタム環境を作成する方法について説明します。 カスタム環境を使用すると、キュレーション環境を拡張し、Hugging Face (HF) トランスフォーマー、データセットを追加したり、Azure Machine Learning を使用して他の外部パッケージをインストールしたりできます。 Azure Machine Learning では、基本イメージとしての ACPT キュレーション環境とその上に追加のパッケージを含む Docker コンテキストで、新しい環境を作成できます。
前提条件
この記事の手順に従う前に、次の前提条件が満たされていることをご確認ください。
- Azure サブスクリプション。 Azure サブスクリプションをお持ちでない場合は、開始する前に無料アカウントを作成してください。 無料版または有料版の Azure Machine Learning をお試しください。
- Azure Machine Learning ワークスペース。 所有していない場合は、クイック スタート: ワークスペース リソースの作成に関する記事の手順に従って作成してください。
環境に移動する
Azure Machine Learning スタジオで、[環境] オプションを選択して [環境] セクションに移動します。
キュレーション環境に移動する
キュレーション環境に移動し、"acpt" を検索して、使用可能なすべての ACPT キュレーション環境を一覧表示します。 環境を選択すると、環境の詳細が表示されます。
キュレーション環境の詳細を取得する
カスタム環境を作成するには、基本 Docker イメージ リポジトリが必要です。これは、[説明] セクションで "Azure Container Registry" として確認できます。 "Azure Container Registry" 名をコピーします。これは、後で新しいカスタム環境を作成するときに使用します。
カスタム環境に移動する
戻って、[カスタム環境] タブを選択します。
カスタム環境を作成する
[+ 作成] を選択します。 [環境の作成] ウィンドウで、環境に名前を付け、説明を入力し、[環境の種類の選択] セクションで [新しい Docker コンテキストの作成] を選択します。
前にコピーした Docker イメージ名を貼り付けます。 基本イメージを宣言して環境を構成し、使用する環境変数と含めるパッケージを追加します。
環境設定を確認し、必要に応じてタグを追加し、[作成] ボタンを選択してカスタム環境を作成します。
これで完了です。 これで、Azure Machine Learning スタジオでカスタム環境を作成し、それを使用して機械学習モデルを実行できるようになりました。
次のステップ
- 環境オブジェクトの詳細については、以下をご覧ください。
- Azure Machine Learning 環境とは? 。
- キュレーションされた環境の詳細については、こちらを参照してください。
- Azure Machine Learning でのモデルのトレーニングの詳細を確認します。
- PyTorch 用 Azure コンテナー (ACPT)