Artikel ini akan menggunakan Azure Machine Learning SDK untuk Python 3 untuk membuat dan mengimplementasikan ruang kerja Layanan Pembelajaran Mesin Azure. Ruang kerja ini adalah blok bangunan utama di cloud untuk bereksperimen, belajar, dan menggunakan model pembelajaran mesin dengan Azure Machine Learning.
Anda akan mulai dengan mengatur lingkungan Python Anda sendiri dan server Jupyter Notebook. Untuk informasi tentang memulai tanpa instalasi, lihat Mulai Cepat. Mulai dengan Azure Machine Learning menggunakan portal Azure .
Dalam tutorial singkat ini, Anda:
- Instal Python SDK
- Buat ruang kerja di langganan Azure Anda.
- buat file konfigurasi untuk ruang kerja yang akan digunakan nanti di buku catatan dan skrip lain;
- tulis kode yang akan mencatat nilai di dalam ruang kerja;
- Lihat nilai yang terekam di area kerja.
Anda membuat ruang kerja dan file konfigurasinya yang dapat digunakan sebagai komponen yang diperlukan untuk bekerja dengan manual dan artikel lainnya dengan instruksi Machine Learning. Seperti layanan Azure lainnya, Azure Machine Learning memiliki batasan dan kuota tertentu. Pelajari lebih lanjut tentang kuota dan cara mengirim permintaan untuk kuota tambahan.
Sumber daya Azure berikut secara otomatis ditambahkan ke ruang kerja jika tersedia di area Anda:
Catatan
Kode dalam artikel ini memerlukan Azure Machine Learning SDK 1.0.2 atau yang lebih baru. Kode telah diuji dengan versi 1.0.8.
Jika Anda belum memiliki langganan Azure, buat akun Azure gratis sebelum Anda mulai. Cobalah versi Layanan Belajar Mesin Azure gratis atau berbayar .
Instal SDK
Penting!
Lewati bagian ini jika Anda menggunakan Mesin Virtual untuk memproses dan menganalisis data Azure atau Azure Databricks.
Sebelum memasang SDK, Anda disarankan untuk terlebih dahulu membuat kotak pasir Python. Meskipun Miniconda digunakan dalam artikel ini, Anda juga dapat menggunakan alat Anaconda yang terinstal lengkap atau Python virtualenv .
Instalasi Miniconda
Unduh dan pasang Miniconda . Pilih Python 3.7 atau lebih baru untuk menginstal. Jangan pilih Python 2.x.
Membuat Kotak Pasir Python
Buka prompt perintah, dan kemudian buat lingkungan conda bernama myenv dan instal Python 3.6. Azure Machine Learning SDK akan bekerja dengan Python 3.5.2 atau lebih baru, tetapi komponen pembelajaran mesin otomatis tidak berfungsi penuh di Python 3.7.
conda create -n myenv -y Python=3.6
Aktifkan lingkungan.
conda activate myenv
Instal SDK
Dalam lingkungan konda yang diaktifkan, instal komponen inti dari Azure Machine Learning SDK dengan Fitur Notebook Jupyter. Instalasi membutuhkan waktu beberapa menit tergantung pada konfigurasi komputer.
pip install --upgrade azureml-sdk[notebooks]
Instal server Jupyter Notebook di lingkungan konda.
conda install -y nb_conda
Untuk menggunakan lingkungan ini untuk Tutorial Belajar Mesin Azure, instal paket berikut.
conda install -y cython matplotlib pandas
Untuk menggunakan lingkungan ini untuk Tutorial Pembelajaran Mesin Azure, instal komponen pembelajaran mesin otomatis.
pip install --upgrade azureml-sdk[automl]
Buat ruang kerja
Buat ruang kerja di Notebook Jupyter menggunakan Python SDK.
Buat direktori yang ingin Anda gunakan untuk panduan dan tutorial memulai cepat, atau navigasikan ke sana.
Untuk memulai Notebook Jupyter, masukkan perintah ini:
jupyter notebook
Di jendela browser, buat buku catatan menggunakan kernel Python 3 standar.
Untuk melihat versi SDK, masukkan kode Python berikut dalam sel buku catatan dan jalankan.
import azureml.core print(azureml.core.VERSION)
Temukan nilai untuk parameter <azure-subscription-id> dalam daftar langganan di portal Azure . Gunakan langganan apa pun di mana Anda diberi peran sebagai pemilik atau anggota.
from azureml.core import Workspace ws = Workspace.create(name='myworkspace', subscription_id='<azure-subscription-id>', resource_group='myresourcegroup', create_resource_group=True, location='eastus2' )
Saat Anda menjalankan kode, Anda mungkin diminta masuk ke akun Azure Anda. Saat Anda masuk, token otentikasi akan di-cache secara lokal.
Untuk melihat informasi ruang kerja, seperti vault terkait, registry kontainer, dan key vault, masukkan kode berikut.
ws.get_details()
Entri file konfigurasi
Simpan informasi ruang kerja dalam file konfigurasi di direktori saat ini. File ini disebut aml_config \ config.json .
File konfigurasi ruang kerja ini membuatnya lebih mudah untuk memuat ruang kerja yang sama. Anda dapat mengunduhnya menggunakan buku catatan dan skrip lain di direktori atau subdirektori yang sama.
Panggilan API ini write_config() memungkinkan Anda membuat file konfigurasi di direktori saat ini. File config.json berisi yang berikut ini:
{ "subscription_id": "<azure-subscription-id>", "resource_group": "myresourcegroup", "workspace_name": "myworkspace" }
Gunakan ruang kerja
Jalankan kode yang menggunakan API dasar SDK untuk melacak beberapa uji coba percontohan.
- Buat percobaan di ruang kerja.
- Masukkan satu nilai ke dalam percobaan.
- Masukkan daftar nilai dalam percobaan.
from azureml.core import Experiment
Lihat Hasil yang Dicatat
Setelah menyelesaikan uji coba, Anda dapat melihat informasi pilot di portal Azure. Untuk menampilkan URL lokasi dengan hasil yang terakhir dijalankan, gunakan kode berikut.
print(run.get_portal_url())
Gunakan tautan untuk melihat nilai yang dicatat pada portal Azure di browser.
Pembersihan Sumber Daya
Penting!
Sumber daya yang dibuat dapat digunakan sebagai komponen penting saat bekerja dengan panduan Belajar Mesin Azure lainnya.
Jika Anda tidak berencana menggunakan sumber daya yang dibuat dalam artikel ini, hapus sumber daya tersebut sehingga tidak ada biaya.
ws.delete(delete_dependent_resources=True)
Informasi tambahan
Di artikel ini, Anda membuat sumber daya untuk bereksperimen dan menggunakan model. Selain itu, Anda menjalankan kode di buku catatan dan mempelajari log eksekusi dari kode ini di ruang kerja Anda di cloud.
Panduan Pelatihan Model Klasifikasi Gambar
Anda juga dapat mempelajari lebih banyak contoh lanjutan di GitHub .