演習 - ディープ ニューラル ネットワークをトレーニングする
このモジュールでは、ニューラル ネットワークを使用したディープ ラーニングの理論と原則について詳しく説明しました。 この理論を適用する方法を学習する最善の方法は、実際にディープ ラーニング モデルを構築することです。それをこの演習で実行します。
ディープ ニューラル ネットワークのトレーニングに使用できるフレームワークは多数あります。この演習では、Python 用の 2 つの一般的なディープ ラーニング フレームワークである PyTorch と TensorFlow のいずれか (または両方) を探索できます。
開始する前に
演習を最後まで行うには、次のものが必要です。
- Microsoft Azure サブスクリプション。 アカウントを取得済みでない場合は、https://azure.microsoft.com/free から無料評価版にサインアップできます。
- コンピューティング インスタンスとクローンされた ml-basics リポジトリがある Azure Machine Learning ワークスペース。
注意
このモジュールでは、Azure Machine Learning ワークスペースを使用します。 Azure Data Scientist 認定資格の準備としてこのモジュールを完了する場合は、一度作成したワークスペースを他のモジュールで再利用することを検討してください。 演習を完了したら、「クリーンアップ」の手順に従ってコンピューティング リソースを停止し、再利用する予定の場合はワークスペースを保持してください。
Azure Machine Learning ワークスペースの作成
ご使用の Azure サブスクリプションに Azure Machine Learning ワークスペースがまだない場合は、次の手順に従って作成します。
ご利用の Azure サブスクリプションに関連付けられている Microsoft アカウントを使用して、Azure portal にサインインします。
Azure の [ホーム] ページにある [Azure サービス] で、[リソースの作成] を選択します。 [リソースの作成] ウィンドウが表示されます。
[Search services and marketplace](サービスとマーケットプレースの検索) 検索ボックスで [Machine Learning] を検索して選択します。 [Azure Machine Learning] ペインが表示されます。
［作成］ を選択します [Azure Machine Learning] ペインが表示されます。
[基本] タブで、各設定に対して次の値を入力します。
設定 値 プロジェクトの詳細 サブスクリプション この演習で使用する Azure サブスクリプションを選択します。 Resource group [新規作成] リンクを選択して、新しいリソース グループに一意の名前を指定し、[OK] を選択します。 ワークスペースの詳細 ワークスペース名 アプリの一意の名前を入力します。 たとえば、<yourname>-machinelearn を使用できます。 リージョン ドロップダウンリストから、使用可能な任意の場所を選択します。 残りの既定値をそのまま使用し、[確認および作成] を選択します。
検証に合格した後、 [作成] を選択します。
数分かかる場合があるため、ワークスペース リソースが作成されるまで待ちます。
デプロイが完了したら、[リソースに移動] を選択します。 [Machine Learning] ペインが表示されます。
[スタジオの起動] を選択するか、https://ml.azure.com にアクセスし、Microsoft アカウントを使用してサインインします。 [Microsoft Azure Machine Learning スタジオ] ページが表示されます。
[Azure Machine Learning スタジオ] で、左上にある [☰] アイコンを切り替えて、そのメニュー ペインを展開するか、折りたたみます。 これらのオプションを使用して、ワークスペース内のリソースを管理できます。
コンピューティング インスタンスを作成する
この演習で使用しているノートブックを実行するには、ご自分の Azure Machine Learning ワークスペースにコンピューティング インスタンスが必要です。
左側のメニュー ペインの [管理] の下にある [コンピューティング] を選択します。 [コンピューティング] ペインが表示されます。
コンピューティング インスタンスが既にある場合は、[コンピューティング インスタンス] タブでそれを開始します。それ以外の場合は、[新規] を選択して、新しいコンピューティング インスタンスを作成します。 [Create compute instance](コンピューティング インスタンスの作成) ペインが表示されます。
各設定に対して次の値を入力します。
- [コンピューティング名]: "一意の名前を入力します"
- [仮想マシンの種類]: CPU
- [仮想マシンのサイズ]: 推奨オプションから選択: Standard_DS11_v2
[作成] を選択します。 [コンピューティング インスタンス] が一覧に表示された状態で [コンピューティング] ペインが再表示されます。
1 分ほどかかる場合があるため、コンピューティング インスタンスが開始されるまで待ちます。 [状態] 列の下で、[コンピューティング インスタンス] が [実行中] に変更されます。
ml-basics リポジトリをクローンする
このモジュール (および他の関連モジュール) で使用するファイルは、MicrosoftDocs/ml-basics GitHub リポジトリで公開されています。 まだ行っていない場合は、以下の手順のようにして、リポジトリを自分の Azure Machine Learning ワークスペースにクローンします。
Azure Machine Learning スタジオの左側のメニューで [ワークスペース] を選択し、リストで作成したワークスペースを選択します。
左側の [オーサリング] 見出しで、[Notebooks] リンクを選択して Jupyter Notebooks を開きます。 [Notebooks] ペインが表示されます。
右側の [ターミナル] ボタンを選択します。 ターミナル シェルが表示されます。
次のコマンドを実行して現在のディレクトリを Users ディレクトリに変更し、ml-basics リポジトリをクローンします。これには、この演習で使用するノートブックとファイルが含まれています。
cd Users git clone https://github.com/microsoftdocs/ml-basicsコマンドが完了し、ファイルのチェックアウトが済んだら、ターミナル タブを閉じ、Jupyter Notebook のファイル エクスプローラーでホーム ページを表示します。
Users フォルダーを開くと ml-basics フォルダーが含まれているはずです。ここには、このモジュールで使用するファイルがあります。
注意
この演習では、Azure Machine Learning ワークスペースで Jupyter を使用することを強くお勧めします。 このセットアップにより、正しいバージョンの Python と、後で必要になるさまざまなパッケージが、確実にインストールされます。いったんワークスペースを作成した後は、他のモジュールでそれを再利用できます。 自分のコンピューター上の Python 環境で演習を行いたい場合は、そうしてもかまいません。 Visual Studio Code を使用するローカル開発環境の構成の詳細については、「自分のコンピューターでラボを実行する」を参照してください。 このようにすると、演習での説明がお使いのノートブックのユーザー インターフェイスと一致しない場合があることに注意してください。
ディープ ニューラル ネットワーク モデルをトレーニングする
Jupyter 環境を作成し、ml-basics リポジトリをクローンすると、ディープ ラーニングを探索する準備が整います。
Jupyter の ml-basics フォルダーで、フレームワークの設定に応じて、Deep Neural Networks (PyTorch).ipynb または Deep Neural Networks (Tensorflow).ipynb ノートブックの "いずれか" を開き、含まれている指示に従います。
終了したら、すべてのノートブックを閉じて停止します。
ノートブックの操作が完了したら、このモジュールに戻り、次のユニットに進んで学習を続けてください。