Azure Machine Learning 스튜디오에서 사용자 지정 큐레이팅된 ACPT(PyTorch용 Azure Container) 환경 만들기

이 문서에서는 Azure Machine Learning에서 사용자 지정 환경을 만드는 방법을 알아봅니다. 사용자 지정 환경을 사용하면 큐레이팅된 환경을 확장하고 HF(Hugging Face) 변환기, 데이터 세트를 추가하거나 Azure Machine Learning으로 다른 외부 패키지를 설치할 수 있습니다. Azure Machine Learning은 ACPT에서 큐레이팅한 환경을 기본 이미지로 포함하고 그 위에 추가 패키지를 포함하는 Docker 컨텍스트를 사용하여 새 환경을 만드는 기능을 제공합니다.

필수 조건

이 문서의 단계를 수행하기 전에 다음과 같은 필수 구성 요소가 있는지 확인합니다.

• Azure 구독 Azure 구독이 아직 없는 경우 시작하기 전에 체험 계정을 만듭니다. Azure Machine Learning 평가판 또는 유료 버전을 사용해 보세요.
• Azure Machine Learning 작업 영역 리소스가 없으면 빠른 시작: 작업 영역 리소스 만들기 문서의 단계에서 리소스를 만듭니다.

환경으로 이동

Azure Machine Learning 스튜디오에서 "환경" 옵션을 선택하여 "환경" 섹션으로 이동합니다.

큐레이팅된 환경으로 이동

큐레이팅된 환경으로 이동하고 "acpt"를 검색하여 사용 가능한 모든 ACPT 큐레이팅 환경을 나열합니다. 환경을 선택하면 환경의 세부 정보가 표시됩니다.

큐레이팅된 환경의 세부 정보 가져오기

사용자 지정 환경을 만들려면 설명 섹션에서 Azure Container Registry로 찾을 수 있는 기본 Docker 이미지 리포지토리가 필요합니다. 나중에 새 사용자 지정 환경을 만들 때 사용되는 Azure Container Registry 이름을 복사합니다.

사용자 지정 환경으로 이동

돌아가서 사용자 지정 환경 탭을 선택합니다.

사용자 지정 환경 만들기

+ 만들기를 선택합니다. "환경 만들기" 창에서 환경 이름을 지정하고, 설명을 지정하고, 환경 유형 선택 섹션에서 새 Docker 컨텍스트 만들기를 선택합니다.

이전에 복사한 Docker 이미지 이름을 붙여넣습니다. 기본 이미지를 선언하여 환경을 구성하고 사용하려는 env 변수와 포함하려는 패키지를 추가합니다.

환경 설정을 검토하고, 필요한 경우 태그를 추가하고, 만들기 단추를 선택하여 사용자 지정 환경을 만듭니다.

정말 간단하죠. 이제 Azure Machine Learning 스튜디오 사용자 지정 환경을 만들고 이를 사용하여 기계 학습 모델을 실행할 수 있습니다.

다음 단계

• 환경 개체에 대해 자세히 알아보세요.
  • Azure Machine Learning 환경이란? .
  • 자세한 정보는 큐레이팅된 환경을 참조하세요.
• Azure Machine Learning에서 모델 학습에 대해 자세히 알아보기
• ACPT(Azure Container for PyTorch) 참조