Exempel på virtuella Azure Datavetenskap-datorer
En Azure Datavetenskap Virtual Machines (DSVM) innehåller en omfattande uppsättning exempelkod. De här exemplen omfattar Jupyter-notebook-filer och skript på språk som Python och R.
Kommentar
Mer information om hur du kör Jupyter-notebook-filer på dina virtuella datorer för datavetenskap finns i avsnittet Access Jupyter .
Förutsättningar
Om du vill köra dessa exempel måste du ha en etablerad Ubuntu-Datavetenskap virtuell dator.
Tillgängliga exempel
Exempelkategori | beskrivning | Platser |
---|---|---|
Python-språk | Exempel som förklarar hur du ansluter till Azure-baserade molndatalager och hur du arbetar med Azure Machine Learning-scenarier. Python-språk |
~notebooks |
Julia-språk | Innehåller en detaljerad beskrivning av plottning och djupinlärning i Julia. Förklarar hur du anropar C och Python från Julia. Julia-språk |
Windows: ~notebooks/Julia_notebooks Linux: ~notebooks/julia |
Azure Machine Learning | Visar hur du skapar maskininlärnings- och djupinlärningsmodeller med Machine Learning. Distribuera modeller var som helst. Använd automatiserad maskininlärning och intelligent hyperparameterjustering. Använd modellhantering och distribuerad utbildning. Machine Learning |
~notebooks/AzureML |
PyTorch-anteckningsböcker | Djupinlärningsexempel som använder PyTorch-baserade neurala nätverk. Notebook-filer sträcker sig från nybörjare till avancerade scenarier. PyTorch-anteckningsböcker |
~notebooks/Deep_learning_frameworks/pytorch |
TensorFlow | Olika neurala nätverksexempel och tekniker som implementerats med TensorFlow-ramverket. TensorFlow |
~notebooks/Deep_learning_frameworks/tensorflow |
H2O | Python-baserade exempel som använder H2O för verkliga problemscenarier. H2O |
~notebooks/h2o |
SparkML-språk | Exempel som använder Apache Spark MLLib-verktygsfunktioner via pySpark och MMLSpark: Microsoft Machine Learning för Apache Spark på Apache Spark 2.x. SparkML-språk |
~notebooks/SparkML/pySpark ~notebooks/MMLSpark |
XGBoost | Exempel på standardmaskininlärning i XGBoost – till exempel klassificering och regression. XGBoost |
Windows: \dsvm\samples\xgboost\demo |
Åtkomst till Jupyter
Om du vill komma åt Jupyter väljer du Jupyter-ikonen på skrivbords- eller programmenyn. Du kan också komma åt Jupyter på en Linux-version av en DSVM. Fjärråtkomst från en webbläsare https://<Full Domain Name or IP Address of the DSVM>:8000
finns på Ubuntu.
Om du vill lägga till undantag och göra Jupyter-åtkomst tillgänglig via en webbläsare använder du den här vägledningen:
Logga in med samma lösenord som du använder för inloggningar för Datavetenskap virtuell dator.
Jupyter-hem