ابدأ مع Azure Machine Learning باستخدام Python SDK

ستستخدم هذه المقالة Azure Machine Learning SDK لـ Python 3 لإنشاء وتنفيذ مساحة عمل Azure Machine Learning Service. مساحة العمل هذه هي لبنة البناء الأساسية في السحابة للتجربة والتعلم ونشر نماذج التعلم الآلي مع Azure Machine Learning.

ستبدأ بإعداد بيئة Python الخاصة بك وخادم Jupyter Notebook. للحصول على معلومات حول البدء بدون تثبيت ، راجع البداية السريعة. ابدأ مع Azure Machine Learning باستخدام بوابة Azure .

في هذا البرنامج التعليمي القصير ، أنت:

• تثبيت Python SDK
• قم بإنشاء مساحة عمل في اشتراك Azure الخاص بك.
• إنشاء ملف تكوين لمساحة العمل يتم استخدامه لاحقًا في دفاتر ملاحظات ونصوص أخرى ؛
• اكتب الكود الذي سوف يسجل القيم داخل مساحة العمل ؛
• عرض القيم المسجلة في منطقة العمل.

يمكنك إنشاء مساحة عمل وملف التكوين الخاص بها والذي يمكن استخدامه كمكونات ضرورية للعمل مع الأدلة والمقالات الأخرى مع إرشادات Machine Learning. كما هو الحال مع خدمات Azure الأخرى ، فإن Azure Machine Learning لها حدود وحصص معينة. تعرف على المزيد حول الحصص وكيفية إرسال طلبات الحصص الإضافية.

تتم إضافة موارد Azure التالية تلقائيًا إلى مساحة العمل إذا كانت متوفرة في منطقتك:

• سجل حاوية أزور
• أزور التخزين
• رؤى تطبيق أزور
• قبو أزور كي

تعليق

تتطلب التعليمة البرمجية في هذه المقالة Azure Machine Learning SDK 1.0.2 أو الأحدث. تم اختبار الكود مع الإصدار 1.0.8.

إذا لم يكن لديك اشتراك Azure بعد ، فقم بإنشاء حساب Azure مجاني قبل أن تبدأ. جرب النسخة المجانية أو المدفوعة من Azure Machine Learning Service .

تثبيت SDK

مهم!

تخطي هذا القسم إذا كنت تستخدم Virtual Machine لمعالجة وتحليل بيانات Azure أو Azure Databricks.

• تم تجهيز الأجهزة الظاهرية لمعالجة البيانات Azure وتحليلها والتي تم إنشاؤها بعد 27 سبتمبر 2018 بتركيب Python SDK بالفعل.
• في بيئة Azure Databricks ، أكمل خطوات تثبيت Databricks بدلاً من ذلك .

قبل تثبيت SDK ، يوصى أولاً بإنشاء رمل Python. على الرغم من استخدام Miniconda في هذه المقالة ، يمكنك أيضًا استخدام أداة Anaconda المثبّتة بالكامل أو Python virtualenv .

تركيب Miniconda

قم بتنزيل وتثبيت Miniconda . حدد Python 3.7 أو الأحدث لتثبيت. لا تقم بتحديد Python 2.x.

إنشاء بيثون رمل

1. افتح موجه الأوامر ، ثم قم بإنشاء بيئة كوندا تسمى myenv وتثبيت Python 3.6. ستعمل الأداة Azure Machine Learning SDK مع Python 3.5.2 أو ما بعده ، لكن مكونات تعلم الآلة الأوتوماتيكية لا تعمل بكامل طاقتها في Python 3.7.

   
   

   conda create -n myenv -y Python=3.6 

2. تنشيط البيئة.

   
   

    conda activate myenv 

تثبيت SDK

1. في بيئة كوندا نشطة ، قم بتثبيت المكونات الأساسية لبرنامج Azure Machine Learning SDK مع ميزات Jupyter Notebook. يستغرق التثبيت عدة دقائق حسب تهيئة الكمبيوتر.

   
   

     pip install --upgrade azureml-sdk[notebooks] 

2. قم بتثبيت خادم Jupyter Notebook في بيئة كوندا.

   
   

    conda install -y nb_conda 

3. لاستخدام هذه البيئة في Azure Machine Learning Tutorials ، قم بتثبيت الحزم التالية.

   
   

    conda install -y cython matplotlib pandas 

4. لاستخدام هذه البيئة في Azure Machine Learning Tutorials ، قم بتثبيت مكونات تعلم الآلة التلقائي.

   
   

    pip install --upgrade azureml-sdk[automl] 

إنشاء مساحة العمل

أنشئ مساحة عمل في Jupyter Notebook باستخدام Python SDK.

1. قم بإنشاء الدليل الذي تريد استخدامه لدليل البدء السريع والبرامج التعليمية ، أو انتقل إليه.

2. لبدء تشغيل Jupyter Notebook ، أدخل هذا الأمر:

   
   

    jupyter notebook 

3. في نافذة المتصفح ، قم بإنشاء مفكرة باستخدام Python 3 kernel القياسي.

4. لعرض إصدار SDK ، أدخل رمز Python التالي في خلية دفتر ملاحظات وقم بتنفيذه.

   
   

    import azureml.core print(azureml.core.VERSION) 

5. ابحث عن قيمة المعلمة <azure-subscription-id> في قائمة الاشتراكات في بوابة Azure . استخدم أي اشتراك تحصل فيه على دور المالك أو العضو.

   
   

    from azureml.core import Workspace ws = Workspace.create(name='myworkspace', subscription_id='<azure-subscription-id>', resource_group='myresourcegroup', create_resource_group=True, location='eastus2' ) 

   
   

   عند تشغيل الرمز ، قد تتم مطالبتك بتسجيل الدخول إلى حساب Azure الخاص بك. عند تسجيل الدخول ، سيتم تخزين رمز المصادقة مؤقتًا محليًا.

6. لعرض معلومات مساحة العمل ، مثل المدفن المقترن ، وسجلات الحاوية ، والمزينة الرئيسية ، أدخل الرمز التالي.

   
   

    ws.get_details() 

   
   

إدخال ملف التكوين

احفظ معلومات مساحة العمل في ملف التكوين في الدليل الحالي. يسمى هذا الملف aml_config \ config.json .

يجعل ملف تكوين مساحة العمل هذا من السهل تحميل مساحة العمل نفسها. يمكنك تنزيله باستخدام دفاتر ملاحظات ونصوص أخرى في نفس الدليل أو الدليل الفرعي.

 # Create the configuration file. ws.write_config() # Use this code to load the workspace from # other scripts and notebooks in this directory. # ws = Workspace.from_config() 

تسمح لك مكالمة واجهة برمجة التطبيقات write_config() API) write_config() بإنشاء ملف تكوين في الدليل الحالي. يحتوي ملف config.json على ما يلي:

 { "subscription_id": "<azure-subscription-id>", "resource_group": "myresourcegroup", "workspace_name": "myworkspace" } 

استخدام مساحة العمل

قم بتشغيل التعليمات البرمجية التي تستخدم واجهات برمجة التطبيقات الأساسية لـ SDK لتتبع عدة عمليات تشغيل تجريبية.

1. قم بإنشاء تجربة في مساحة العمل.
2. أدخل قيمة واحدة في التجربة.
3. أدخل قائمة القيم في التجربة.

 from azureml.core import Experiment # Create a new experiment in your workspace. exp = Experiment(workspace=ws, name='myexp') # Start a run and start the logging service. run = exp.start_logging() # Log a single number. run.log('my magic number', 42) # Log a list (Fibonacci numbers). run.log_list('my list', [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]) # Finish the run. run.complete() 

عرض النتائج المسجلة

بعد الانتهاء من التجربة ، يمكنك عرض المعلومات التجريبية على بوابة Azure. لعرض عنوان URL للموقع مع نتائج التشغيل الأخير ، استخدم الكود التالي.

 print(run.get_portal_url()) 

استخدم الرابط لعرض القيم المسجلة على بوابة Azure في المستعرض.

تنظيف الموارد

مهم!

يمكن استخدام الموارد التي تم إنشاؤها كمكونات أساسية عند العمل مع أدلة Azure Machine Learning الأخرى.

إذا كنت لا تخطط لاستخدام الموارد التي تم إنشاؤها في هذه المقالة ، فاحذفها حتى لا يكون هناك أي رسوم.

 ws.delete(delete_dependent_resources=True) 

معلومات اضافية

في هذه المقالة ، أنشأت موارد لتجربة النماذج ونشرها. بالإضافة إلى ذلك ، قمت بتشغيل الرمز في دفتر ملاحظات وقمت بدراسة سجل التنفيذ من هذا الرمز في مساحة العمل الخاصة بك في السحابة.

توجيه نماذج تصنيف التدريب صورة

يمكنك أيضًا معرفة المزيد من الأمثلة المتقدمة على جيثب .