Ćwiczenie — trenowanie głębokiej sieci neuronowej

  • 25 min

Do tej pory w tym module omówiono teorię i zasady uczenia głębokiego za pomocą sieci neuronowych. Najlepszym sposobem, aby dowiedzieć się, jak zastosować tę teorię, jest utworzenie modelu uczenia głębokiego i to właśnie zrobisz w tym ćwiczeniu.

Istnieje wiele platform dostępnych do trenowania głębokich sieci neuronowych. W tym ćwiczeniu możesz wybrać eksplorowanie (lub obu) dwóch z najpopularniejszych platform uczenia głębokiego dla języka Python: PyTorch i TensorFlow.

Przed rozpoczęciem

Do ukończenia ćwiczenia potrzebne są następujące elementy:

  • Subskrypcja platformy Microsoft Azure. Jeśli jeszcze go nie masz, możesz zarejestrować się w celu uzyskania bezpłatnej wersji próbnej w https://azure.microsoft.com/free.
  • Obszar roboczy usługi Azure Machine Learning z wystąpieniem obliczeniowym i sklonowanym repozytorium ml-basics.

Notatka

Ten moduł korzysta z obszaru roboczego usługi Azure Machine Learning. Jeśli kończysz ten moduł w ramach przygotowań do certyfikatu Azure Data Scientist, rozważ utworzenie jednego obszaru roboczego i ponowne jego użycie w innych modułach. Po ukończeniu ćwiczenia upewnij się, że postępujesz zgodnie z instrukcjami Cleanup, aby wstrzymać działanie zasobów obliczeniowych i zachować obszar roboczy, jeśli zamierzasz go ponownie wykorzystać.

Tworzenie obszaru roboczego usługi Azure Machine Learning

Jeśli nie masz jeszcze obszaru roboczego usługi Azure Machine Learning w ramach subskrypcji platformy Azure, wykonaj następujące kroki, aby je utworzyć:

  1. Zaloguj się do witryny Azure Portal przy użyciu konta Microsoft skojarzonego z subskrypcją platformy Azure.

  2. Na stronie głównej usługi Azure w obszarze usługi platformy Azurewybierz pozycję Utwórz zasób. Zostanie wyświetlone okienko Tworzenie zasobu.

  3. W polu wyszukiwania Search Services and marketplace wyszukaj i wybierz pozycję Machine Learning. Pojawi się okienko usługi Azure Machine Learning.

  4. Wybierz pozycję Utwórz. Pojawi się okienko usługi Azure Machine Learning.

  5. Na karcie Podstawowe wprowadź następujące wartości dla każdego ustawienia.

    Ustawienie Wartość
    Szczegóły projektu
    Subskrypcja Wybierz subskrypcję platformy Azure, której chcesz użyć w tym ćwiczeniu.
    Grupa zasobów Wybierz link Utwórz nową i nadaj nowej grupie zasobów unikatową nazwę, a następnie wybierz pozycję OK.
    szczegóły obszaru roboczego
    Nazwa obszaru roboczego Wprowadź unikatową nazwę aplikacji. Możesz na przykład użyć <nazwa_użytkownika>-machinelearn.
    Region Z listy rozwijanej wybierz dowolną dostępną lokalizację.

  6. Zaakceptuj pozostałe wartości domyślne i wybierz pozycję Przejrzyj + utwórz.

  7. Po przejściu walidacji wybierz pozycję Utwórz.

    Poczekaj na utworzenie zasobu obszaru roboczego, ponieważ może to potrwać kilka minut.

  8. Po zakończeniu wdrażania wybierz pozycję Przejdź do zasobu. Twoje okienko uczenia maszynowego pojawi się.

  9. Wybierz Launch Studiolub przejdź do https://ml.azure.comi zaloguj się na swoje konto Microsoft. Zostanie wyświetlona strona Microsoft Azure Machine Learning studio .

  10. W Azure Machine Learning Studioprzełącz ikonę ☰ na górnym lewym rogu, aby rozwinąć/zwinąć okienko menu. Za pomocą tych opcji można zarządzać zasobami w obszarze roboczym.

Utwórz wystąpienie obliczeniowe

Aby uruchomić notatnik stosowany w tym ćwiczeniu, będziesz potrzebować wystąpienia obliczeniowego w obszarze roboczym usługi Azure Machine Learning.

  1. W panelu menu po lewej, w obszarze Zarządzaj, wybierz pozycję Compute. Pojawi się okienko Compute.

  2. Na karcie wystąpień obliczeniowych, jeśli masz już wystąpienie obliczeniowe, uruchom je; w przeciwnym razie utwórz nowe wystąpienie obliczeniowe, wybierając pozycję Nowy. Zostanie wyświetlony panel Tworzenie wystąpienia obliczeniowego.

  3. Wprowadź następujące wartości dla każdego ustawienia:

    • nazwa obliczeniowa: wprowadź unikatową nazwę
    • Typ maszyny wirtualnej: procesor CPU
    • Rozmiar maszyny wirtualnej: wybierz spośród zalecanych opcji: Standard_DS11_v2

  4. Wybierz pozycję Utwórz. Okienko Compute zostanie ponownie wyświetlone z wystąpienia obliczeniowego.

  5. Poczekaj na uruchomienie wystąpienia obliczeniowego, ponieważ może to potrwać kilka minut. W kolumnie State wystąpienie obliczeniowe zmieni się na Running.

Sklonuj repozytorium ml-basics

Pliki używane w tym module i inne powiązane moduły są publikowane w repozytorium MicrosoftDocs/ml-basics GitHub. Jeśli jeszcze tego nie zrobiono, wykonaj następujące kroki, aby sklonować repozytorium do obszaru roboczego usługi Azure Machine Learning:

  1. Wybierz pozycję Obszary robocze w menu po lewej stronie usługi Azure Machine Learning Studio, a następnie wybierz obszar roboczy utworzony na liście.

  2. W obszarze Tworzenie po lewej stronie wybierz link Notebooks, aby otworzyć Jupyter Notebooks. Pojawia się okienko notesów .

  3. Wybierz przycisk Terminal po prawej stronie. Zostanie wyświetlona powłoka terminalu.

  4. Uruchom następujące polecenia, aby zmienić bieżący katalog na folder Users i sklonować repozytorium ml-basics, które zawiera zeszyt i pliki, których użyjesz w tym ćwiczeniu.

    cd Users
git clone https://github.com/microsoftdocs/ml-basics

  5. Po zakończeniu polecenia i zakończeniu wyewidencjonowania plików zamknij kartę terminalu i wyświetl stronę główną w Eksploratorze plików notesu Jupyter.

  6. Otwórz folder Users — powinien zawierać folder ml-basics zawierający pliki, których będziesz używać w tym module.

Notatka

Zdecydowanie zalecamy używanie programu Jupyter w obszarze roboczym usługi Azure Machine Learning na potrzeby tego ćwiczenia. Ta konfiguracja gwarantuje, że zainstalowano poprawną wersję języka Python i różne potrzebne pakiety; i po utworzeniu obszaru roboczego raz możesz użyć go ponownie w innych modułach. Jeśli wolisz wykonać ćwiczenie w środowisku języka Python na własnym komputerze, możesz to zrobić. Szczegółowe informacje na temat konfigurowania lokalnego środowiska programistycznego korzystającego z programu Visual Studio Code znajdziesz na stronie Uruchamianie laboratoriów na własnym komputerze. Pamiętaj, że jeśli zdecydujesz się to zrobić, instrukcje w ćwiczeniu mogą nie być zgodne z interfejsem użytkownika notesów.

Trenowanie głębokiego modelu sieci neuronowej

Po utworzeniu środowiska Jupyter i sklonowaniu repozytorium ml-basics, możesz zapoznać się z uczeniem maszynowym.

  1. W programie Jupyter w folderze ml-basics otwórz Deep Neural Networks (PyTorch).ipynb lub Deep Neural Networks (Tensorflow).ipynb notatnik, w zależności od preferencji frameworku, i postępuj zgodnie z zawartymi w nim instrukcjami.

  2. Po zakończeniu zamknij i zatrzymaj wszystkie notatniki.

Po zakończeniu pracy z notesem wróć do tego modułu i przejdź do następnej lekcji, aby dowiedzieć się więcej.